多分类决策树 r语言_R语言构造决策树

数据来源：

决策树会用到基尼指数，信息增益等知识点，下面用R构建决策树：

注：

监督机器学习中会出现的问题：过拟合和欠拟合，偏差和方差

为了限制过拟合，可以限制生长，修剪树枝

其他分类器：KNN和随机森林

*[下一版我们将用KNN和随机森林进行数据分类]

1.	#读取数据  
2.	>library(tree)  
3.	>data<-read.csv('data.csv')  
4.	#了解数据特征  
5.	>View(data)  
6.	>str(data)  
7.	>table(data$是否预定)  
8.	#将数据分为测试集和训练集，70：30  
9.	> set.seed(2134)  
10.	> ind<-sample(2,nrow(data),replace=TRUE,prob=c(0.7,0.3))  
11.	> train_set<-data[ind==1,]  
12.	> test_set<-data[ind==2,]  
13.	> nrow(train_set)  
14.	[1] 27  
15.	> nrow(test_set)  
16.	[1] 11  
17.	#使用tree函数构建决策树模型  
18.	> #build decision tree model using tree()  
19.	> str(data)  
20.	'data.frame':   38 obs. of  6 variables:  
21.	 $ 性别      : Factor w/ 2 levels "男","女": 1 1 2 2 1 2 1 2 2 1 ...  
22.	 $ 年龄      : Factor w/ 3 levels "00后","80后",..: 3 1 3 3 3 2 3 3 3 3 ...  
23.	 $ 价格敏感  : Factor w/ 2 levels "否","是": 1 1 2 2 1 1 2 1 1 1 ...  
24.	 $ 是否连住  : Factor w/ 2 levels "否","是": 1 1 1 2 2 1 1 2 1 1 ...