R語言決策樹

決策樹是以樹的形式表示選擇及其結果的圖形。圖中的節點表示事件或選擇,並且圖形的邊緣表示決策規則或條件。它主要用於使用R的機器學習和數據挖掘應用程序。

使用決策的例子是 - 將接收的郵件預測是否爲垃圾郵件,根據這些信息中的因素,預測腫瘤是癌症或預測貸款作爲良好或不良的信用風險。 通常,使用觀察數據也稱爲訓練數據創建模型。 然後使用一組驗證數據來驗證和改進模型。 R具有用於創建和可視化決策樹的包。 對於新的預測變量,我們使用該模型來確定數據的類別(是/否,垃圾郵件/非垃圾郵件)。

R包「party」用於創建決策樹。

安裝R包

在R控制檯中使用以下命令安裝軟件包,還必須安裝依賴軟件包(如果有的話)。

install.packages("party")

「party」中包含用於創建和分析決策樹的ctree()函數。

語法

在R中創建決策樹的基本語法是 -

ctree(formula, data)

以下是使用的參數的描述 -

  • formula - 是描述預測變量和響應變量的公式。
  • data - 是使用的數據集的名稱。

輸入數據

我們將使用一個名爲readingSkills的R內置數據集創建一個決策樹。如果要知道變量:"age","shoesize","score"以及該人員是否是母語者,則描述某人員的閱讀技能的得分。

以下是樣本數據 -

# Load the party package. It will automatically load other dependent packages.
library("party")

# Print some records from data set readingSkills.
print(head(readingSkills))

執行上面示例代碼,得到以下結果 -

  nativeSpeaker age shoeSize    score
1           yes   5 24.83189 32.29385
2           yes   6 25.95238 36.63105
3            no  11 30.42170 49.60593
4           yes   7 28.66450 40.28456
5           yes  11 31.88207 55.46085
6           yes  10 30.07843 52.83124

例子

我們將使用ctree()函數創建決策樹並查看其生成的圖表。

# Load the party package. It will automatically load other dependent packages.
library(party)

# Create the input data frame.
input.dat <- readingSkills[c(1:105),]

# Give the chart file a name.
png(file = "decision_tree.png")

# Create the tree.
  output.tree <- ctree(
  nativeSpeaker ~ age + shoeSize + score, 
  data = input.dat)

# Plot the tree.
plot(output.tree)

# Save the file.
dev.off()

當我們執行上述代碼時,會產生以下結果 -

null device 
          1 
Loading required package: methods
Loading required package: grid
Loading required package: mvtnorm
Loading required package: modeltools
Loading required package: stats4
Loading required package: strucchange
Loading required package: zoo

Attaching package: ‘zoo’

The following objects are masked from ‘package:base’:

    as.Date, as.Date.numeric

Loading required package: sandwich

生成如下圖形 -

R語言決策樹

結論

從上面所示的決策樹,我們可以得出結論,任何閱讀技巧(readingSkills)評分小於38.3,年齡超過6歲的人不是本地(使用母語)演講者。