Question

我正在尝试创建一个用于分类的决策树，但它不会被创建。使用SVM（train ==测试数据），相同的数据以0.85的精度执行，“play”是目标......

知道我做错了什么吗？这是数据和代码： https://gist.github.com/romeokienzler/c471819cbf156a69f73daf49f8c700c6

观，温度，湿度，刮风，播放

阳光，热，高，假的，无

阳光，热，高，真实的，无

阴，热，高，假，是

多雨，温和，高，假，是

多雨，凉爽，正常的，假，是

多雨，凉爽，正常的，真实的，无

阴，凉爽，正常的，真实的，是

晴天，温和，高，假的，无

晴朗，凉爽，正常的，假，是

多雨，轻度，正常的，假，是

晴天，轻度，正常的，真实的，是

阴，温和，高，真实的，是

阴，热，正常的，假，是

多雨，温和，高，真实，无

为了使用SVM我编码了数据： https://gist.github.com/romeokienzler/9bfce4182eda3d7662315621462c9cc6

观，温度，湿度，刮风，播放

1,1,2，FALSE，FALSE

1,1,2，TRUE，FALSE

2,1,2，FALSE，TRUE

3,2,2，FALSE，TRUE

3,3,1，FALSE，TRUE

3,3,1，TRUE，FALSE

2,3,1，TRUE，TRUE

1,2,2，FALSE，FALSE

1,3,1，FALSE，TRUE

3,2,1，FALSE，TRUE

1,2,1，TRUE，TRUE

2,2,2，TRUE，TRUE

2,1,1，FALSE，TRUE

3,2,2，TRUE，FALSE

这是SVM案例：

library(e1071)
df= read.csv("5.tennis_encoded.csv")
attach(df)
x <- subset(df, select=-play)
y <- play
detach(df)
model = svm(x,y,type = "C")
pred = predict(model,x)
truthVector = pred == y
good = length(truthVector[truthVector==TRUE])
bad = length(truthVector[truthVector==FALSE])
good/(good+bad)

[1] 0.8571429

这个决策树

df= read.csv("5.tennis_encoded.csv")
library(rpart)
model = rpart(play ~ .,method = "class", data=df)
print(model)

1）root 14 5 TRUE（0.3571429 0.6428571）*

所以我基本上得到一棵只有root的树，并且播放概率为0.64％==是

任何想法我做错了什么？

Answer 1

很可能你传递的算法太少，无法进行拆分。

检查rpart.control函数以获取更多详细信息

rpart.control(minsplit = 20, minbucket = round(minsplit/3), cp = 0.01, 
              maxcompete = 4, maxsurrogate = 5, usesurrogate = 2, xval = 10,
              surrogatestyle = 0, maxdepth = 30, ...)

如您所见，最小分割大小为20。

如果你

model = rpart(play ~ .,method = "class", data=df, control= rpart.control(minsplit=2))

你应该得到更多分裂

rpart不在R中创建决策树，SVM可以工作

1 个答案: