在前文中,我们已经详细介绍了决策树算法中的ID3/C4.5/CART算法的原理,以及决策树的剪枝问题。
ID3算法戳我
C4.5算法戳我
CART算法戳我
决策树剪枝问题戳我
本文将详细介绍如何用R语言实现决策树算法。
算法 | 区分要点 | R包 |
---|---|---|
ID3 | 使用信息增益 | rpart包中rpart函数 |
C4.5 | 使用信息增益 | RWeka包中J48() |
CART | 使用gini | rpart包中rpart函数 |
C5.0 | C4.5的改进,比较适合于大规模数据 | c50包 |
数据简介
本文数据选择了红酒质量分类数据集,这是一个很经典的数据集,原数据集中“质量”这一变量取值有{3,4,5,6,7,8}。为了实现二分类问题,我们添加一个变量“等级”,并将“质量”为{3,4,5}的观测划分在等级0中,“质量”为{6,7,8}的观测划分在等级1中。
因变量:等级
自变量:非挥发性酸性、挥发性酸性、柠檬酸、剩余糖分、氯化物、游离二氧化硫、二氧化硫总量、浓度、pH、硫酸盐、酒精
library(openxlsx)
wine = read.xlsx(".../winequality-red.xlsx") #读入数据
#将数据集分为训练集和测试集,比例为7:3
train_sub = sample(nrow(wine),7/10*nrow(wine))
train_data = wine[train_sub,]
test_data = wine[-train_sub,]
R语言实现
ID3算法
ID3算法和CART算法都是用rpart包实现的,rpart包常用参数如下:
参数 | 意义 |
---|---|
formula | y y y ~ x 1 x_1 x1 |