R语言-决策树算法（C4.5和CART）的实现

决策树算法的实现：

一、C4.5算法的实现

a、需要的包：sampling、party

library(sampling)
library(party)

sampling用于实现数据分层随机抽样，构造训练集和测试集。

party用于实现决策树算法

另外，还可以设置随机数种子，可以获得相同的随机数。方便数据重复检验。

#设置随机数种子，可以获得相同的随机数
set.seed(100)

b、数据准备

我们使用iris数据集作为算法使用的数据集，通过下列各方法可以查看数据集的各种指标。

head(iris)
str(iris)
dim(iris)

然后构造训练集和测试集

sub_train = strata(iris,
                   stratanames = "Species",
                   size = rep(35, 3),
                   method = "srswor")
data_train = iris[sub_train$ID_unit, ]
data_test = iris[-sub_train$ID_unit, ]

抽样方法是分层不放回抽样。

c、训练模型

iris_tree = ctree(Species ~ ., data = data_train)

我们可以通过方法print（）或者plot（）查看模型：

#查看模型
print(iris_tree)
plot(iris_tree)
plot(iris_tree,type="simple")

得到的结果如下：

d、用测试集检验模型

test_pre = predict(iris_tree,newdata = data_test)
table(test_pre,data_test$Species)
correct = sum(as.numeric(test_pre)==as.numeric(data_test$Species))/nrow(data_test)

得到的结果如下图：

对测试集的判断准确率0.9333。

我们也可以看一下模型对训练集的判断准确率：

table(predict(iris_tree),data_train$Species)
correct = sum(as.numeric(predict(iris_tree))==as.numeric(data_train$Species))/nrow(data_train)

得到结果：

准确率0.97143。

二、CART算法的实现

添加以来的包

library(xts)
library(TTR)
library(quantmod)
library(ROCR)
library(DMwR)

可用于查看连续变量的相关性

#查看所有连续变量的相关性，所有分类变量的卡方值
#连续变量
idx.num=which(sapply(algae,is.numeric))
idx.num
correlation=cor(algae$a1,algae[,idx.num],use = "pairwise.complete.obs")
correlation
correlation=abs(correlation)
correlation=correlation[,order(correlation,decreasing = T)]
correlation

分类变量的卡方值

# 所有分类变量的卡方值
idx.factor=which((sapply(algae, is.factor)))
idx.factor
class(idx.factor)
algae[,idx.factor]
t1=table(algae$season,algae$size)
t1
chisq.test(t1)