R_decision tree

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)