使用plot函数绘制训练好的条件推理决策树（R语言）

使用plot函数绘制训练好的条件推理决策树（R语言）

决策树是一种常用的机器学习算法，用于解决分类和回归问题。R语言提供了许多功能强大的包来构建和可视化决策树模型，其中包括rpart和rpart.plot包。在本文中，我们将使用这些包来训练一个条件推理决策树，并使用plot函数将其可视化。

首先，确保已经安装了rpart和rpart.plot包。如果未安装，可以使用以下命令进行安装：

install.packages("rpart")
install.packages("rpart.plot")

一旦安装完成，我们就可以开始加载所需的包并准备数据进行训练。

library(rpart)
library(rpart.plot)

我们假设有一个分类问题的数据集，其中包含一些输入特征（自变量）和相应的目标变量（因变量）。首先，我们需要准备数据并将其分为训练集和测试集。

# 假设数据集为df，其中包含输入特征x1和x2，目标变量为y
set.seed(123)  # 设置随机种子以确保结果的可重现性
train_index <- sample(nrow(df), nrow(df) * 0.7)  # 70% 的数据用于训练
train_data <- df[train_index, ]
test_data <- df[-train_index, ]

接下来，我们使用rpart包来训练决策树模型。rpart函数采用formula的形式来指定模型的结构。在此例中，我们使