第1部分：打印决策树
a。首先，设置工作目录，加载所需的软件包（rpart和mlbench），然后加载Ionosphere数据集。
setwd（“工作目录”）
库（rpart）
库（mlbench）
数据（电离层）
b。使用rpart（）方法为数据创建回归树。
rpart（Class〜。，Ionosphere）
c。使用plot（）和text（）方法来绘制决策树。
第2部分：估算准确性
a。将数据拆分为测试并使用sample（）方法训练子集。
b。使用rpart方法使用训练数据创建决策树。
rpart（Class〜。，Ioosphere，subset = train）
c。使用预测方法可找到测试数据的预测类标签。
d。使用表格方法创建预测表与真实标签的表，然后计算准确性。准确度是正确分配的好案例（真实肯定）的数量加上正确分配的坏情况（真实否定）的数量除以测试案例的总数。