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