R语言决策树算法

1,生成树：rpart()函数raprt(formular,data,weight,subset,na.action=na.rpart,method,model=FALSE,x=FALSE,y=TRUE,parms,control,cost,...)         fomula ：模型格式形如outcome~predictor1+predictor2+predictor3+ect。         data     ：数据。         na.action：缺失数据的处理办法，默认为删除因变量缺失的观测而保留自变量缺失的观测。         method：树的末端数据类型选择相应的变量分割方法，连续性method=“anova”,离散型使用method=“class”,，计数型method=“poisson”,生存分析型method=“exp”。          parms：设置三个参数，先验概率，损失矩阵，分类矩阵的度量方法。          control：控制每个节点上的最小样本量，交叉验证的次数，复杂性参量：cp:complexity pamemeter。      2，剪枝使用          prune(tree,cp,....)           tree常是rpart()的结果对象，cp 复杂性参量       3 显示结果的语句printcp(fit)显示复杂性表plotcp(fit)画交叉验证结果图rsq.rpart(fit)R-squared 和 relative error for different splits (2 plots). labels are only appropriate for  "anova" method.print(fit)打印结果summary(fit)基本信息plot(fit)画决策树text(fit)给树添加标签post(fit,file=)保存结果ps，pdf，等格式  # Classification Tree with rpart

library(rpart)

问题：Rpart中分裂准则？

2分法如何指定呢？