决策树,算法的目标是建立分类预测模型或回归预测模型,是一种预测模型,按目标不同可以细分为分类树和回归树,因为在展示的时候,类似于一棵倒置的树而得名。如下图:
基本概念:
根节点:如上图中最上方,一棵决策树只有一个根节点。
中间节点:位于中间的节点,有上有下的节点。
叶节点:没有后续连续的节点叫叶节点,意味着至此为止。
二叉树和多叉树:每个非节点只有两个分支,叫二叉树,多个就叫多叉树,上图是一个二叉树。
图形怎么看:
如上图,先看根节点,它框内写的是Middle 88/258,意思为在总观测数为258个里面,最大的分类是Middle,有88个,下方两个分支,PEG>=0.34的意思是,左边的分支是PEG>=0.34,右边的分支自然是PEG<0.34(有的图不会显示出来)。从左边的分支看下去,把PEG划分之后,PEG>=0.34的所有观测有143个,其中仍然是Middle分类最多,有78个,然后再按照分支下的分支方法&#x
R语言 决策树--预测模型
最新推荐文章于 2024-07-17 17:37:20 发布
本文介绍了R语言中决策树的概念、生长与修剪过程,并探讨了CART分类回归树、装袋和推进等组合预测模型技术。通过随机森林模型,展示了如何在R中使用randomForest包进行预测分析。
摘要由CSDN通过智能技术生成