Bart模型应用实例及解析（二）————基于泰坦尼克号数据集的分类模型

前言

这里是在实战中使用Bart模型对数据进行建模及分析，如果有读者对如何建模以及建模函数的参数不了解，对建模后的结果里的参数不清楚的话，可以参考学习作者前面两篇文章内容。以便更好地理解模型、建模过程及思想。

R bartMachine包内bartMachine函数参数详解
https://blog.csdn.net/qq_35674953/article/details/115774921

BartMachine函数建模结果参数解析
https://blog.csdn.net/qq_35674953/article/details/115804662

---

提示：以下是本篇文章正文内容

一、数据集

1、数据集的获取

链接：https://pan.baidu.com/s/1TZejG8fZTS35RQctwtTn-Q
提取码：h6sv
数据部分截图：

2、数据集变量名及意义

变量名	意义
Survived	分类变量，是否死亡。0代表死亡，1代表存活
Pclass	乘客所持票类，有三种值(1,2,3)
Name	乘客姓名
Sex	乘客性别
Age	乘客年龄(有缺失)
SibSp	乘客兄弟姐妹/配偶的个数(整数值)
Parch	乘客父母/孩子的个数(整数值)
Ticket	票号(字符串)
Fare	乘客所持票的价格(浮点数，0-500不等)
Cabin	乘客所在船舱(有缺失)
Embark	乘客登船港口:S、C、Q(有缺失)。赋值1,、2、3。

3、数据集处理

由实际经验，作者认为自变量乘客姓名（Name）、船票票号（Ticket）、船舱号（Cabin）对因变量是否存活（Survived）没有影响，所以删去这几个变量。对于变量年龄（Age）的缺失值，由于数据集比较大，就删去了有缺失数据。

二、完整代码

代码如下（示例）：

options(java.parameters = "-Xmx10g")

library(ggplot2)
library(bartMachine)
library(reshape2)
library(knitr)
library(ggplot2)
library(GGally)
library(scales)
percent((1:5) / 100)

##读取数据
data<-read.csv(file="C:/Users/LHW/Desktop/tt.csv",header=T,sep=",")
head(data)
n=dim(data)
n

da<-melt(data)

#画出数据箱线图
ggplot(da, aes(x=variable, y=value, fill=variable))+ geom_boxplot()+facet_wrap(~variable,scales="free")

#画出数据直方图
ggplot(da, aes(value, fill=variable))+ geom_histogram()+facet_wrap(~variable,scales="free")

cormat <- round(cor(data[,2:8]), 2)
head(cormat)
melted_cormat <- melt(cormat)
head(melted_cormat)


# 把一侧三角形的值转化为NA
get_upper_tri <- function(cormat){
   
  cormat[lower.tri(cormat)]<- NA
  return(cormat)
}
upper_tri <- get_upper_tri(cormat)
upper_tri


#转化为矩阵
library(reshape2)
melted_cormat <- melt(upper_tri,na.rm = T)

#作相关系数热力图
ggplot(data = melted_cormat, aes(x=Var2, y=Var1, fill = value)) +
  geom_tile(color = "white") +
  scale_fill_gradient2(low = "blue", high = "red", mid = "white",
                       midpoint = 0, limit = c(-1, 1), space = "Lab",
                       name="Pearson\nCorrelation") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, vjust = 1, 
                                   size = 12, hjust = 1)) +
  coord_fixed() + 
  geom_text(aes(Var2, Var1, label = value), color = "black", size = 4) 

#随机种子
set.seed(1000)
#按照80%和20%比例划分训练集和测试集
index2=sample(x=2,size=nrow(data),replace=TRUE,prob=c(0.8,0.2))

#训练集
train2=data[index2==1,]   
head(train2)
x=train2[,-c(1)]
y=train2[,1] 
y = factor(y)

#预测集
data2=data[index2==2,]
x.test_data=data2[,-c(1)]
head(data2)
xp=x.test_data  
yp=data2[,1]   
yp = factor(yp)


#建立Bart模型
res = bartMachine(x,y,prob_rule_class = 0.5)
print(res)
rm<-res$confusion_matrix

#计算精度、查准率、查全率
A=(rm[1,1]+rm[2,2])/length(y)
cat("精度为：",percent(A,accuracy = 0.01), "\n")
P=rm[2,2]/(rm[2,2]+rm[1,2])
cat("查准率为：",percent(P,accuracy = 0.01), "\n")
R=<