R中决策树的代码实现:
#C5.0
M1<-C5.0(traindata$x,traindata$y)
Summary(M1)
predict(M1,test$data)
table(对比结果)
#Rpart
M1<-rpart(y~., data= ,method=”class” ) #.表示所有属性都包括,如果不是就写上用+相连,method是告诉我们希望结果是分类属性,而不像我之前做的结果是数值rprart.plot(M1,type=3,extra=101, fallen.leave=TRUE)
predict(M1,testdata,type=”class”)
#CART (regression trees)
Install.packages(“rpart.plot”)
m2<-rpart(target_feature~., data= ,method=”anova”) #用anova因为预测属性是数值的
rpart.plot<-(m1, type=3,digits=3,fallen.leaves=TRUE)
p1<-predict(m1,testdata)#用mean检验数值结果模型的豪华
Mae<-function(actual,predicted){mean(abs(actual-preidcted))}Mae<-(df$数值属性,p1)