R语言（把银行已认购定期存款的客户原始数据建立决策树模型，从而预测新一批客户是否会认购定期存款）

原始数据：bank

输入变量：
#银行客户资料：
1-年龄（数字）
2-工作：工作类型（分类：“管理”，“未知”，“失业”，“管理”，“女佣”，“企业家”，“学生”，“蓝领”、“个体户”、“退休人员”、“技术人员”、“服务人员”）
3-婚姻：婚姻状况（分类：“已婚”、“离婚”、“单身”；注：“离婚”指离婚或丧偶）
4-教育（分类：“未知”、“中等”、“初级”、“高等”）
5-违约：信用违约吗？（二进制：“是”，“否”）
6-余额：年平均余额，单位：欧元（数字）
7-住房：有住房贷款吗？（二进制：“是”，“否”）
8-贷款：有个人贷款吗？（二进制：“是”，“否”）
#与当前活动的最后一个联系人相关：
9-联系人：联系人通信类型（分类：“未知”、“电话”、“手机”）
10天：每月的最后一个联系日（数字）
11个月：一年中最后一个联系月（分类为：“一月”、“二月”、“三月”、“十一月”、“十二月”）
12-持续时间：上次联系持续时间，以秒为单位（数字）
#其他属性：
13-活动：在此活动期间为此客户执行的联系人数（数字，包括最后一个联系人）
14-pdays：上次从上一个活动联系客户后经过的天数（数字，-1表示以前没有联系过客户）
15-上一页：在此活动之前为此客户执行的联系人数（数字）
16-poutcome：上一次营销活动的结果（分类：“未知”、“其他”、“失败”、“成功”）

输出变量（所需目标）：
17-y-客户是否已认购定期存款？（二进制：“是”，“否”）

#设置工作空间，导入数据
setwd('D:/bankfull')
bankfull <- read.csv2("bank-full.csv",stringsAsFactors = F) # 数据读取
#查看变量
names(bankfull)
#数据探索
summary(bankfull)
#处理噪声数据
library(outliers)
outlier(as.numeric(bankfull$balance))# opposite = FALSE, logical = FALSE
#检测NA值，并输出其位
which(is.na(bankfull))
#删除含有缺失值的行
bankfull=na.omit(bankfull)
#删掉所有列上都重复的
bankfull<-bankfull[!duplicated(bankfull),]
#将处理后的数据保存
write.csv(bankfull,'bankfull.csv')


#提取数据的第一列（年龄），第五列（是否信用违约）;将数据按照年龄升序排序
newbankdata <- bankfull[,c(1,5)]
newbankdata=newbankdata[order(newbankdata$age),]#默认升序
write.csv(newbankdata,'newbankdata.csv')
#统计违约人数
weiyuenum<-data.frame(table(newbankdata[,2]))
write.csv(weiyuenum,'weiyuenum.csv')
#将其中违约的提取出来
weiyue <- subset(newbankdata,newbankdata$default == "yes")
write.csv(weiyue,'weiyue.csv')
#age<=12的为小孩；12<age<=30的为青年；30<age<=60的为中年;age>60的为老年
a<-cut(weiyue$age,breaks=c(-