超级会员免费看
本文介绍了如何使用R语言构建决策树回归模型，通过设置rpart函数的parms参数可以选择构建CART或ID3决策树。在面对样本不平衡问题时，可以调整损失函数的权重。完成模型构建后，进行后剪枝、变量重要性分析和树形图展示。接着，通过预测训练集概率、绘制ROC曲线和应用约登法则确定最佳概率分界点，最终得到混淆矩阵以评估模型性能。
在模型构建部分，二分类模型与回归模型大致相似，主要在rpart函数中多了parms参数可以设置，其值是一个list，其中可以指定分裂规则，将其设定为gini则构建CART决策树，将其设定为information则构建ID3决策树；还可以指定损失函数的权重，这个在遇到训练集样本不平衡的情况时比较有用，具体可以看下帮助文档。
初始决策树构建好之后，后剪枝、输出变量重要性、树形图的操作均与回归部分类似。
得到最后的决策树二分类模型之后，先预测训练集样本的概率，然后计算ROC，绘制ROC曲线，并依据约登法则确定最佳概率分界点，然后依据预测概率和分界点即可得到预测类别，最后实际类别和预测类别比较即可得到混淆矩阵。后续用于测试集可以得到预测概率和预测类别。
关于依据约登法则得到最佳概率分界点的步骤，可以跳过，即直接用0.5作为分界点；也可以用单独的验证集来确定。实际操作中，各种都有，大家自行把握。
# 构建模型
set.seed(42) # 固定交叉验证结果
fit_dt_cls <- rpart(
form_cls,
data = traindata,
method = "class", # 分类模型
parms = list(split = "gini"
订阅专栏 解锁全文
扫一扫
211
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
