我为内置的葡萄酒数据集创建了一个响亮的决策树 输出如下所示
分类的决策树模型摘要(使用' rpart'构建):
library(rpart)
library(rattle)
n= 124
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 124 73 2 (0.30645161 0.41129032 0.28225806)
2) Proline>=953.5 33 0 1 (1.00000000 0.00000000 0.00000000) *
3) Proline< 953.5 91 40 2 (0.05494505 0.56043956 0.38461538)
6) Intensity< 3.825 44 0 2 (0.00000000 1.00000000 0.00000000) *
7) Intensity>=3.825 47 12 3 (0.10638298 0.14893617 0.74468085)
14) Flavanoids>=1.385 13 6 2 (0.38461538 0.53846154 0.07692308) *
15) Flavanoids< 1.385 34 0 3 (0.00000000 0.00000000 1.00000000) *
Classification tree:
rpart(formula = Class ~ ., data = crs$dataset[crs$train, c(crs$input,
crs$target)], method = "class", parms = list(split = "information"),
control = rpart.control(usesurrogate = 0, maxsurrogate = 0))
Variables actually used in tree construction:
[1] Flavanoids Intensity Proline
Root node error: 73/124 = 0.58871
n= 124
CP nsplit rel error xerror xstd
1 0.452055 0 1.000000 1.00000 0.075061
2 0.383562 1 0.547945 0.52055 0.070325
3 0.082192 2 0.164384 0.26027 0.054946
4 0.010000 3 0.082192 0.21918 0.051137
Time taken: 0.02 secs
规则列在下面
Tree as rules:
Rule number: 2 [Class=1 cover=33 (27%) prob=1.00]
Proline>=953.5
Rule number: 14 [Class=2 cover=13 (10%) prob=0.38]
Proline< 953.5
Intensity>=3.825
Flavanoids>=1.385
Rule number: 15 [Class=3 cover=34 (27%) prob=0.00]
Proline< 953.5
Intensity>=3.825
Flavanoids< 1.385
Rule number: 6 [Class=2 cover=44 (35%) prob=0.00]
Proline< 953.5
Intensity< 3.825
[1] 2 6 1 5 3 7 4
我得到的输出图如下所示
当我尝试绘制树时,它只显示节点的轮廓。没有列出任何其他内容。我尝试了不同的数据集。所有人都显示出相同的结果。
除决策树以外的所有情节都完美无缺。
如何解决这个问题?这与任何包裹问题有关吗?
答案 0 :(得分:3)
解决它..
删除了以下软件包并重新安装
remove.packages('rpart.plot')
remove.packages('rpart')
remove.packages('rattle')
remove.packages('RColorBrewer')
从控制台再次安装它们(然后它将安装所有依赖项)
install.packages('rattle')
install.packages('rpart')
install.packages('rpart.plot')
install.packages('RColorBrewer')
现在重新加载包,它解决了问题
library(rattle)
library(rpart.plot)
library(RColorBrewer)
答案 1 :(得分:1)
library(rpart)
library(rattle)
我没有足够的信息来回答您的问题,因此我不确定您的情况会出现什么问题。但请在下面找到使用fancyRpartPlot生成树的示例代码。
model<-rpart(Type~ Flavanoids+Proline+Hue, data=wine)
fancyRpartPlot(model)