我正在使用决策树来预测我的数据集的未来行为。它包含我想要预测的称为“速率”的决策变量。我有许多影响速率列的特性,但是当我应用决策树算法时。我只提供了一个级别,就像下面的代码中提到的那样:
ad.apprentissage= rpart(rate~vqs+ibt+tbt+bf+n, data=filteredDataFinal)
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 27 15 4 (0.4074074 0.4444444 0.1481481)
2) ibt< 1.516 11 3 3 (0.7272727 0.2727273 0.0000000) *
3) ibt>=1.516 16 7 4 (0.1875000 0.5625000 0.2500000) *
现在,我正在询问如何将其他级别添加到树中,如tbt特征。
答案 0 :(得分:1)
也许我错过了你的问题,但rpart中的树大小由复杂性参数(cp)控制。您可以尝试使用不同的值来获取不同大小的树。
ad.apprentissage= rpart(rate~vqs+ibt+tbt+bf+n, data=filteredDataFinal, cp=0.1)