R语言决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）对比分析、计算训练集和测试集的预测结果的差值来分析模型的过拟合（overfit）情况

R语言决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）对比分析、计算训练集和测试集的预测结果的差值来分析模型的过拟合（overfit）情况

目录

R语言决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）对比分析、计算训练集和测试集的预测结果的差值来分析模型的过拟合（overfit）情况

 #仿真数据

#数据集划分、目标和特征分离

#自定义函数计算对数似然、自定义函数计算模型的分类效能

#构建决策树模型并可视化决策树

#使用pander包美化界面输出内容

#Bagging算法

#基于Bagging算法(融合多个决策树)构建集成学习分类模型并评估模型在测试集和训练集上的效果（accuray、F1、偏差Deviance）

#构建随机森林模型randomForest分类模型并评估模型在测试集和训练集上的效果（accuray、F1、偏差Deviance）

 #决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）

#决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）的差