R语言——一秒决策树分析

决策树分析

1.文档读取

data <- read.csv(file.choose(),header=TRUE) 
View(data)

2.建立训练数据与测试数据

set.seed(12345)
select <- sample(1:nrow(data),nrow(data)*0.7)
train <- data[select,]
test <- data[-select,]

3、建立模型

library(rpart)
library(rpart.plot)

CART.tree <- rpart(Class ~ ., data=train, control=rpart.control(minsplit=2, cp=0))
rpart.plot(CART.tree)

3、模型检验及评价

CART.Prediction <- predict(CART.tree, newdata=test, type='class')

Results <- table(Prediction=CART.Prediction, Actual=test$Class)
Results

Correct_Rate <- sum(diag(Results)) / sum(Results) 
Correct_Rate

4、查找CP并重组检测模型

CART.tree <- prune(CART.tree, cp=0.03)
rpart.plot(CART.tree)

CART.Prediction <- predict(CART.tree, newdata=test, type='class')

results <- table(Prediction=CART.Prediction, Actual=test$Class)
results

Correct_Rate <- sum(diag(results)) / sum(results) 
Correct_Rate

问题区：

1. set.seed(12345)

说明：在此模型中，关于随机种子数的设置会导致实验数据出现异同。尽管随机种子在众多博客中只是标识性作用，但实质上在本分析中改变了模型的准确率。

2. 联系方式: [email protected]