R语言使用rpart包构建决策树模型实战、使用prune函数按照指定复杂度对决策树剪枝、使用rpart.plot包中的prp函数可视化训练、剪枝好的决策树

R语言使用rpart包构建决策树模型实战、使用prune函数按照指定复杂度对决策树剪枝、使用rpart.plot包中的prp函数可视化训练、剪枝好的决策树、type参数、extra参数、fallen.leaves参数控制决策树精细化显示

目录

R语言使用rpart包构建决策树模型、使用prune函数按照指定复杂度对决策树剪枝、使用rpart.plot包中的prp函数可视化训练、剪枝好的决策树、type参数、extra参数、fallen.leaves参数控制决策树精细化显示

 #分类模型（classification）

#R语言加载UCI乳腺癌数据用于分类模型构建（uci dataset for classification)、并进行数据划分、数据划分为训练集和验证集（training sample (70%) and a validation sample (30%)）

#R语言构建决策树模型的算法步骤、流程（decision tree algorithm tree build process or steps）

#R语言使用rpart包构建决策树模型、使用prune函数进行树的剪枝、使用10折交叉验证选择预测误差最低的树来预防过拟合、plotcp可视化决策树复杂度、rpart.plot包可视化最终决策树、使用table函数计算混淆矩阵评估分类模型性能

#R语言使用rpart包构建决策树模型、为了选择合适的树大小(复杂度)检查决策树对象的cptable内容（树的大小由分裂次数定义、预测误差）、使用plotcp函数可视化决策树复杂度参数与交叉验证错误的关系、选择合适的树大小（复杂度）

#R语言使用rpart包构建决策树模型、使用prune函数按照指定复杂度对决策树剪枝、使用rpart.plot包中的prp函数可视化训练、剪枝好的决策树、type参数、extra参数