它在统计文档中说：分类树给出了名义上的回答，例如＆＃39; true＆＃39;或者＆＃39; false＆＃39;。回归树给出数字响应。我正在尝试构建一个决策树。我正在使用数字（输出）和非数字数据（输入）。我认为分类树比回归树更合适，或者（因为回归树似乎只适用于数字数据）。是否可以使用非数字数据来预测数字数据？如果是这样，我怎么能在R中做到这一点？分类树是否合适？
谢谢：）
答案 0 :(得分：1)
术语＆＃34;数字响应＆＃34;有点笼统。数值可以是从0到无穷大的值的变量（例如，用户数量，金额，距离），但数字也可以是取值1或0（表示是/否，男/女）或甚至是值的变量值1,2,3（代表选择1，选择2，选择3）。最好将第一种情况描述为比例/连续变量，第二种情况作为二进制变量，第三种情况作为分类变量。
第一种情况可以通过回归树（基于连续变量的数字响应）来处理，其他两种可以通过分类树来处理（分类变量响应;它们可能返回每个分类值的分类值或概率。它＆＃ 39;由你决定。）
首先检查这些内容：http://www.statmethods.net/advstats/cart.html和http://www.rdatamining.com/docs/regression-and-classification-with-r