rpart决策树

麻烦and纠结

4468

收藏 2013-12-17

决策树分类是先对训练集建模，然后分别对训练数据和测试数据进行预测，是吗？？就是说决策树不像随机森林在建模的时候就可以得到训练数据的准确率，预测只需对测试数据进行预测，

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

DM小菜鸟

2015-1-9 22:01:14

是的，这个例子基本就是呈现了这个过程CART模型 ，即Classification And Regression Trees。它和一般回归分析类似，是用来对变量进行解释和预测的工具，也是数据挖掘中的一种常用算法。如果因变量是连续数据，相对应的分析称为回归树，如果因变量是分类数据，则相应的分析称为分类树。

决策树是一种倒立的树结构，它由内部节点、叶子节点和边组成。其中最上面的一个节点叫根节点。构造一棵决策树需要一个训练集，一些例子组成，每个例子用一些属性（或特征）和一个类别标记来描述。构造决策树的目的是找出属性和类别间的关系，一旦这种关系找出，就能用它来预测将来未知类别的记录的类别。这种具有预测功能的系统叫决策树分类器。其算法的优点在于:1)可以生成可以理解的规则。2)计算量相对来说不是很大。3)可以处理多种数据类型。4)决策树可以清晰的显示哪些变量较重要。

下面以一个例子来讲解如何在R语言中建立树模型。为了预测身体的肥胖程度，可以从身体的其它指标得到线索，例如：腰围、臀围、肘宽、膝宽、年龄。

#首先载入所需软件包
library(mboost)
library(rpart)
library(maptree)

#读入样本数据
data('bodyfat')

#建立公式
formular=DEXfat~age+waistcirc+hipcirc+elbowbreadth+kneebreadth

#用rpart命令构建树模型，结果存在fit变量中
fit=rpart(formula,method='avova',data=bodyfat)

#直接调用fit可以看到结果
n= 71
node), split, n, deviance, yval
   * denotes terminal node

1) root 71 8535.98400 30.78282
2) waistcirc< 88.4 40 1315.35800 22.92375
   4) hipcirc< 96.25 17  285.91370 18.20765 *
   5) hipcirc>=96.25 23  371.86530 26.40957
   10) waistcirc< 80.75 13  117.60710 24.13077 *
   11) waistcirc>=80.75 10 98.99016 29.37200 *
3) waistcirc>=88.4 31 1562.16200 40.92355
   6) hipcirc< 109.9 13  136.29600 35.27846 *
   7) hipcirc>=109.9 18  712.39870 45.00056 *

#也可以用画图方式将结果表达得更清楚一些
draw.tree(fit)

#建立树模型要权衡两方面问题，一个是要拟合得使分组后的变异较小，另一个是要防止过度拟合，而使模型的误差过大，前者的参数是CP，后者的参数是Xerror。所以要在Xerror最小的情况下，也使CP尽量小。如果认为树模型过于复杂，我们需要对其进行修剪
#首先观察模型的误差等数据
printcp(fit)

Regression tree:
rpart(formula = formula, data = bodyfat)

Variables actually used in tree construction:
[1] hipcirc waistcirc

Root node error: 8536/71 = 120.23

n= 71

      CP nsplit rel error  xerror    xstd
1 0.662895    0 1.00000 1.01364 0.164726
2 0.083583    1 0.33710 0.41348 0.094585
3 0.077036    2 0.25352 0.42767 0.084572
4 0.018190    3 0.17649 0.31964 0.062635
5 0.010000    4 0.15830 0.28924 0.062949

#调用CP（complexity parameter）与xerror的相关图，一种方法是寻找最小xerror点所对应的CP值，并由此CP值决定树的大小，另一种方法是利用1SE方法，寻找xerror+SE的最小点对应的CP值。
plotcp(fit)

#用prune命令对树模型进行修剪(本例的树模型不复杂，并不需要修剪)
pfit=prune(fit,cp= fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"])

#模型初步解释：腰围和臀围较大的人，肥胖程度较高，而其中腰围是最主要的因素。
#利用模型预测某个人的肥胖程度

ndata=data.frame(waistcirc=99,hipcirc=110,elbowbreadth=6,kneebreadth=8,age=60)
predict(fit,newdata=ndata)
*本文主要参考了Yanchang Zhao的文章:“R and Data Mining: Examples and Case Studies”

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群