R语言rpartb包树回归模型构建:基于前列腺prostate数据集

R语言rpartb包树回归模型构建:基于前列腺prostate数据集

 

R语言rpartb包树回归模型构建:基于前列腺prostate数据集_第1张图片

决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构,其中每个内部节点表示一个属性上的判断,每个分支代表一个判断结果的输出,最后每个叶节点代表一种分类结果。

决策树是一种十分常用的分类方法,需要监管学习(有教师的Supervised Learning),监管学习就是给出一堆样本,每个样本都有一组属性和一个分类结果,也就是分类结果已知,那么通过学习这些样本得到一个决策树,这个决策树能够对新的数据给出正确的分类。

CART(分类与回归)模型既可以用于分类、也可以用于回归,对于回归树(最小二乘回归树生成算法),需要寻找最优切分变量和最优切分点,对于分类树(CART生成算法),使用基尼指数选择最优特征。

R语言rpartb包树回归模型构建:基于前列腺prostate数据集_第2张图片

#包导入

你可能感兴趣的:(R语言从入门到机器学习,r语言,机器学习,人工智能,数据挖掘,自然语言处理)