如何画出漂亮的决策树？

最新推荐文章于 2025-03-13 13:37:10 发布

生信宝典

最新推荐文章于 2025-03-13 13:37:10 发布

阅读量871

点赞数

原文链接：https://mp.weixin.qq.com/s?__biz=MzI5MTcwNjA4NQ==&mid=2247546987&idx=2&sn=6582892fad3d484eb2de5c1410f97b3e&chksm=ec0efde1db7974f7ae1be2b758fd396184865adaf68501a2a186e6a3b6d2fd302b6661023bc8&scene=126&sessionid=0

版权

今天的内容介绍如何将决策树模型画出来。

进入实战部分！

首先安装所需的R包，并且载入：

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

library(rpart)
library(rpart.plot)

R包get！

下一步，使用mtcars数据集建立一个决策树模型，其中的mpg作为因变量，代码如下：

tree <- rpart(mpg ~ hp + wt + am, data = mtcars)

将上述模型tree进行作图：

rpart.plot(tree)

以右下角的方框内容为例，一个方框指代一个节点，其中的数字29指的是此决策树给出的预测值mpg=29，样本占总数的22%。

方框的颜色（这里为蓝色，可修改）与mpg的值成正比，即值越大，颜色越深。

可以通过代码改变决策树的展示风格，一共有6种风格可供选择，代码如下：

par(mfrow = c(3, 2))
rpart.plot(tree, type = 0)
rpart.plot(tree, type = 1)
rpart.plot(tree, type = 2) #默认
rpart.plot(tree, type = 3)
rpart.plot(tree, type = 4)
rpart.plot(tree, type = 5)
par(mfrow = c(1, 1))

大家可以根据个人的喜好进行选择。

还可以添加一些额外的信息，比如每个节点的样本量，代码如下：

rpart.plot(tree, extra = 101) # 添加样本量

也可以调整小数点保留的位数：

rpart.plot(tree, digits = 5)

最后，调节上述节点的颜色为橘红色，代码如下：

rpart.plot(tree, box.palette = "Oranges")

关于其它更多修饰，可以询问R的帮助系统：?rpart.plot

好啦，今天的内容就到这里。如果有帮助，记得分享给需要的人！

参考文献

https://cran.r-project.org/web/packages/rpart.plot/

▌本文由R语言和统计首发

▌课程相关咨询可添加R师妹微信: kefu_rstats

▌编辑：June

▌邮箱：contact@rstats.cn

▌网站：www.rstats.cn

▌我们致力于让R语言和统计变得简单！

机器学习系列教程

从随机森林开始，一步步理解决策树、随机森林、ROC/AUC、数据集、交叉验证的概念和实践。

文字能说清的用文字、图片能展示的用、描述不清的用公式、公式还不清楚的写个简单代码，一步步理清各个环节和概念。

再到成熟代码应用、模型调参、模型比较、模型评估，学习整个机器学习需要用到的知识和技能。