使用R完成決策樹分類

傳統(tǒng)的ID3和C4.5一般用于分類問題，其中ID3使用信息增益進行特征選擇，即遞歸的選擇分類能力最強的特征對數(shù)據(jù)進行分割，C4.5唯一不同的是使用信息增益比進行特征選擇。
特征A對訓練數(shù)據(jù)D的信息增益g(D, A) = 集合D的經(jīng)驗熵H(D) - 特征A給定情況下D的經(jīng)驗條件熵H(D|A)
特征A對訓練數(shù)據(jù)D的信息增益比r(D, A) = g(D, A) / H(D)
而CART（分類與回歸）模型既可以用于分類、也可以用于回歸，對于回歸樹（最小二乘回歸樹生成算法），需要尋找最優(yōu)切分變量和最優(yōu)切分點，對于分類樹（CART生成算法），使用基尼指數(shù)選擇最優(yōu)特征。
一個使用rpart完成決策樹分類的例子如下：
[plain] view plain copy
    library(rpart);  
      
    ## rpart.control對樹進行一些設置  
    ## xval是10折交叉驗證  
    ## minsplit是最小分支節(jié)點數(shù)，這里指大于等于20，那么該節(jié)點會繼續(xù)分劃下去，否則停止  
    ## minbucket：葉子節(jié)點最小樣本數(shù)  
    ## maxdepth：樹的深度  
    ## cp全稱為complexity parameter，指某個點的復雜度，對每一步拆分,模型的擬合優(yōu)度必須提高的程度  
    ct <- rpart.control(xval=10, minsplit=20, cp=0.1)  
      
    ## kyphosis是rpart這個包自帶的數(shù)據(jù)集  
    ## na.action：缺失數(shù)據(jù)的處理辦法，默認為刪除因變量缺失的觀測而保留自變量缺失的觀測。           
    ## method：樹的末端數(shù)據(jù)類型選擇相應的變量分割方法:  
    ## 連續(xù)性method=“anova”,離散型method=“class”,計數(shù)型method=“poisson”,生存分析型method=“exp”  
    ## parms用來設置三個參數(shù):先驗概率、損失矩陣、分類純度的度量方法（gini和information）  
    ## cost我覺得是損失矩陣，在剪枝的時候，葉子節(jié)點的加權誤差與父節(jié)點的誤差進行比較，考慮損失矩陣的時候，從將“減少-誤差”調(diào)整為“減少-損失”  
    fit <- rpart(Kyphosis~Age + Number + Start,  
        data=kyphosis, method="class",control=ct,  
        parms = list(prior = c(0.65,0.35), split = "information"));  
      
    ## 第一種  
    par(mfrow=c(1,3));  
    plot(fit);  
    text(fit,use.n=T,all=T,cex=0.9)；  
      
    ## 第二種，這種會更漂亮一些  
    library(rpart.plot);  
    rpart.plot(fit, branch=1, branch.type=2, type=1, extra=102,  
               shadow.col="gray", box.col="green",  
               border.col="blue", split.col="red",  
               split.cex=1.2, main="Kyphosis決策樹");  
      
    ## rpart包提供了復雜度損失修剪的修剪方法，printcp會告訴分裂到每一層，cp是多少，平均相對誤差是多少  
    ## 交叉驗證的估計誤差（“xerror”列），以及標準誤差(“xstd”列)，平均相對誤差=xerror±xstd  
    printcp(fit);  
      
    ## 通過上面的分析來確定cp的值  
    ## 我們可以用下面的辦法選擇具有最小xerror的cp的辦法：  
    ## prune(fit, cp= fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"])  
      
    fit2 <- prune(fit, cp=0.01);  
    rpart.plot(fit2, branch=1, branch.type=2, type=1, extra=102,  
               shadow.col="gray", box.col="green",  
               border.col="blue", split.col="red",  
               split.cex=1.2, main="Kyphosis決策樹");  

效果圖如下：