该博客通过R语言的rpart和ctree库，对比分析了两种决策树模型在预测泰坦尼克生还率上的表现。结果显示，尽管两者平均准确度接近（rpart为0.808，ctree为0.812），但ctree的标准差较大，表明其性能波动性更高。
R语言练习-利用决策树模型分析泰坦尼克生还率
二、决策树模型
使用rpart模型的原因：
泰坦尼克数据中含有NA值，使用rpart能够处理为代理变量
1、rpart决策树模型
去掉不适合的列，如name
library(rpart)
library(foreach)
folds<-create_ten_fold_cv()
rpart_result<-foreach(f=folds) %do%{
model_rpart<-rpart(
survived~pclass+sex+age+sibsp+parch+fare+embarked,
data=f train)predicted<−predict(model
最低0.47元/天 解锁文章
扫一扫
511
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
