R 决策树

决策树是以树的形式表示选择及其结果的图。图中的节点表示事件或选择，并且图的边缘表示决策规则或条件。它主要用于使用R的机器学习和数据挖掘应用程序。

决策树的使用的例子是 - 预测电子邮件是垃圾邮件或非垃圾邮件，预测肿瘤癌变，或者基于这些因素预测贷款的信用风险。通常，使用观测数据（也称为训练数据）来创建模型。然后使用一组验证数据来验证和改进模型。 R具有用于创建和可视化决策树的包。对于新的预测变量集合，我们使用此模型来确定R包“party”用于创建决策树。

安装R语言包

在R语言控制台中使用以下命令安装软件包。您还必须安装相关软件包（如果有）。 

  1. install.packages("party")

“party”包具有用于创建和分析决策树的函数ctree()。

语法

在R中创建决策树的基本语法

  1. ctree(formula, data)

以下是所使用的参数的描述

  • formula是描述预测变量和响应变量的公式。

  • data是所使用的数据集的名称。

输入数据

我们将使用名为readingSkills的R内置数据集来创建决策树。 它描述了某人的readingSkills的分数，如果我们知道变量“年龄”，“shoesize”，“分数”，以及该人是否为母语者。

这里是示例数据。 

  1. # Load the party package. It will automatically load other dependent packages.
  2. library(party)
  4. # Print some records from data set readingSkills.
  5. print(head(readingSkills))

当我们执行上面的代码，它产生以下结果及图表

  1.   nativeSpeaker   age   shoeSize      score
  2. 1               yes       5    24.83189    32.29385
  3. 2               yes       6    25.95238    36.63105
  4. 3                no      11    30.42170    49.60593
  5. 4               yes       7    28.66450    40.28456
  6. 5               yes      11    31.88207    55.46085
  7. 6               yes      10    30.07843    52.83124
  8. Loading required package: methods
  9. Loading required package: grid
  10. ...............................
  11. ...............................

实例

我们将使用ctree()函数创建决策树并查看其图形。 

  1. # Load the party package. It will automatically load other dependent packages.
  2. library(party)
  4. # Create the input data frame.
  5. input.dat <- readingSkills[c(1:105),]
  7. # Give the chart file a name.
  8. png(file = "decision_tree.png")
  10. # Create the tree.
  11.   output.tree <- ctree(
  12.   nativeSpeaker ~ age + shoeSize + score, 
  13.   data = input.dat)
  15. # Plot the tree.
  16. plot(output.tree)
  18. # Save the file.
  19. dev.off()

当我们执行上面的代码，它产生以下结果：

  1. null device 
  2.           1 
  3. Loading required package: methods
  4. Loading required package: grid
  5. Loading required package: mvtnorm
  6. Loading required package: modeltools
  7. Loading required package: stats4
  8. Loading required package: strucchange
  9. Loading required package: zoo
  11. Attaching package: ‘zoo’
  13. The following objects are masked from ‘package:base’:
  15.     as.Date, as.Date.numeric
  17. Loading required package: sandwich

决策树，使用R

结论

从上面显示的决策树，我们可以得出结论，其readingSkills分数低于38.3和年龄超过6的人不是一个母语者。