我使用rf
方法训练了一个数据集。例如:
ctrl <- trainControl(
method = "LGOCV",
repeats = 3,
savePred=TRUE,
verboseIter = TRUE,
preProcOptions = list(thresh = 0.95)
)
preProcessInTrain<-c("center", "scale")
metric_used<-"Accuracy"
model <- train(
Output ~ ., data = training,
method = "rf",
trControl = ctrl,
metric=metric_used,
tuneLength = 10,
preProc = preProcessInTrain
)
在那之后,我想绘制一个decission树,但是当我plot(model)
时,我得到了这个:plot(model)
。
如果我写plot(model$finalModel)
,我会得到:plot(model$finalModel)
我想绘制一个decission树......
我该怎么做? 谢谢:))
答案 0 :(得分:3)
您使用的模型是随机森林,它不是单个决策树,而是大量树木的集合。绘制最终模型将绘制训练和测试数据集的错误率,因为树木的数量会增加,如下所示。
如果您想要一个决策树,您可能希望训练如下的CART模型:
model <- train(
Species ~ ., data = training,
method = "rpart",
trControl = ctrl,
metric=metric_used,
tuneLength = 10,
preProc = preProcessInTrain
)
library(rpart.plot)
rpart.plot(model$finalModel)
现在绘制上面的最终模型将为您绘制决策树。