基于决策树的用户群规则归纳

上篇文章通过聚类分析将全体客户群分4个类别，并保存了每一位用户所对应的类别。


现在有几个新问题？
1、特点描述太模糊，对各组的R、F、M比较是相对的，比如R有高频低频之说，但并没有给出具体的分割点。
2、不可外延，现有客户的类别是给了，但若新来一份客户名单，业务人员又得抓瞎。

为解决这个问题，我们引入决策树模型，为各个类别建立非技术人员也能读懂并使用的具体规则。

一、源数据

用户id+所属类别（聚类分析得到的）+还原后的R、F、M值（之前有离散化处理）

二、决策树建模

常用的三种算法：CART 回归树、C4.5、C5，通常通过分类效果择优选择，这里以CART 回归树为例。
源数据10585行，划分训练集：测试集=7:3，前者由于建模、样本内检验，后者用于样本外检验。

1. Rcode