r语言做决策树代码实现

╰+攻爆jí腚メ 2022-07-10 04:24 598阅读 0赞

0.节点和结点的区别：节点为两线相交，不为终点；而结点为两线相交为终点，没有延伸；  
1.分支节点：它指向其他的节点，所以是度不为0的节点。 vs 叶子结点：度为0的结点  
2.度：结点拥有的子树数；就是说这个结点下面有几条分支  
3.树的深度：树有几层  
4.10折交叉验证：常用的测试算法准确性的方法。  
将数据集分成10份，轮流将其中9份作为训练数据，1份作为测试数据，进行试验  
每次试验都会得出相应的正确率，10次结果的正确率取平均值就作为算法精度的估计，一般还需进行多次10折交叉验证，再求均值  
为什么取10折？因为很多理论证明了10折是获得最好误差估计的恰当选择。  
  
\#第1步：工作目录和数据集的准备  
setwd("C:/Users/IBM/Desktop/170222分类树建模/2.23建模")\#设定当前的工作目录，重要！  
audit2<-read.csv("model2.csv",header=T)  
str(audit2) \#转成字符串类型的  
  
  
\#第2步：做训练集和测试集  
set.seed(1)  
sub<-sample(1:nrow(audit2),round(nrow(audit2)\*2/3))  
length(sub)  
data\_train<-audit2\[sub,\]\#取2/3的数据做训练集  
data\_test<-audit2\[-sub,\]\#取1/3的数据做测试集  
dim(data\_train)\#训练集行数和列数13542 23  
dim(data\_test) \#测试集的行数和列数6771 23  
table(data\_train$是否转化) \#看该列分布的  
table(data\_test$是否转化)  
  
  
\#做决策树模型。首先对树参数进行设置，再建模  
\#\# rpart.control对树进行一些设置  
\#\# xval是10折交叉验证  
\#\# minsplit是最小分支节点数，这里指大于等于20，那么该节点会继续分划下去，否则停止  
\#\# minbucket：叶子节点最小样本数,这里设置100，可以调参  
\#\# maxdepth：树的深度

\#\# cp全称为complexity parameter，指某个点的复杂度，对每一步拆分,模型的拟合优度必须提高的程度

\#加载程序包和一些参数设定  
library(rpart)  
ct<-rpart.control(xval=10,minsplit=20,minbucket=150,cp=0.00017)  
  
\#rapart包中的raprt函数来做决策树  
\#na.action:缺失数据的处理，默认为删因变量缺失保留自变量缺失  
\#method：树的末端数据类型选择相应的变量分割方法：  
\# 连续性method=“anova”,离散型method=“class”,计数型method=“poisson”,生存分析型method=“exp”  
\#parms：用来设置三个参数:先验概率、损失矩阵、分类纯度的度量方法（gini和information）

\#第3步：建模，观察模型结果

library(rpart)

tree.both<-rpart(as.factor(是否转化)~ .,data=data\_train,method='class',minsplit=20,minbucket=150,cp=0.00017)  
summary(tree.both)  
tree.both$variable.importance  
printcp(tree.both)  
plotcp(tree.both,lwd=2)  
  
  
\#第4步：画决策树  
\#画决策树第1种方法，画出来的树比较简单  
par(mfrow=c(1,3))  
plot(tree.both)  
text(tree.both,use.n=T,all=T,cex=0.9)  
  
\#画决策树第2种方法，画出来的树稍微好看些  
library(rpart.plot)  
rpart.plot(tree.both,branch=1,shadow.col="gray",box.col="green",border.col="blue",split.col="red",split.cex=1.2,main="决策树")  
  
  
\#第5步：剪枝  
\#rpart包提供了一种剪枝方法--复杂度损失修剪的修剪方法  
\#printcp这个函数会告诉你分裂到的每一层，对应的cp是多少，平均相对误差是多少  
\#xerror：交叉验证的估计误差；xstd：标准误差；xerror±xstd平均相对误差  
printcp(tree.both)  
  
\#我们使用具有最小交叉验证误差的cp  
cp=tree.both$cptable\[which.min(tree.both$cptable\[,"xerror"\]),"CP"\]

cp \#cp=0.00049

\#第6步：剪枝之后的树再画图  
tree.both2<-prune(tree.both,cp=tree.both$cptable\[which.min(tree.both$cptable\[,"xerror"\]),"CP"\])  
summary(tree.both2)  
tree.both2$variable.importance  
printcp(tree.both2)  
plotcp(tree.both2,lwd=2)  
  
library(rpart.plot)  
rpart.plot(tree.both2,branch=1,shadow.col="gray",box.col="green",border.col="blue",split.col="red",split.cex=1.2,main="决策树")  
  
  
\#第7步：输出规则。剪枝后的决策树规则，从规则中再发现规律  
library(rattle)  
asRules(tree.both2)  
  
  
\#第8步：在测试集上做预测  
library(pROC)

pred.tree.both<-predict(tree.both,newdata=data\_test)

\#第9步，看测试的效果，预测正确的有多少，预测错误的有多少

predictScore<-data.frame(pred.tree.both)  
rownames(predictScore) \#看这个矩阵行的名字  
colnames(predictScore)\#看这个矩阵列的名字  
predictScore$是否转化<-'ok' \#在预测的矩阵后面多加一列‘是否转化’2，全部都是2  
predictScore\[predictScore$FALSE.>predictScore$TRUE.,\]\[,"是否转化"\]=FALSE \#如果false的概率大于true的概率，那么判断为false  
predictScore\[predictScore$FALSE.<=predictScore$TRUE.,\]\[,"是否转化"\]=TRUE  
n<-table(data\_test$是否转化,predictScore$是否转化)  
n \#看分布情况  
percantage<-c(n\[1,1\]/sum(n\[1,\]),n\[2,2\]/sum(n\[2,\]))  
percantage