使用分類樹的判別
（目標變數是分類變數的判別問題）
首先通過data()函式讀入資料，並通過str()函式確認其結構。
> data(titanic)
> str(titanic)
> titanic[,1,2,]
\\表示第2個變數顯示時為第1水平，第3個變數顯示時為第2水平
> mosaicplot(titanic[,1,2,],color=t)> install.packages("epitools")
> library(epitools)
> titanic.df <- expand.table(titanic)
> library(rpart)
> titanic.tree <- rpart(survived~.,data=titanic.df,
+ method="class")
\\rpart中的第1個引數是formula
> summary(titanic.tree)
\\記錄條數（n），各分割數（nsplit）所對應的複雜性引數(cp)，變數的顯著性，其後是各個節點的期望損失，分割後的記錄條數，以及用下乙個變數來分割後的改善等。
> install.package("partykit")
> library(partykit)
> plot(as.party(titanic.tree))
\\另外通過plotcp()函式來畫圖：
> plotcp(titanic.tree)
\\關於數值的細節，可以從summary()函式的結果中讀取：
> titanic.tree2 <- rpart(survived~.,data=titanic.df,
+ method="class",cp=0.083)
> summary(titanic.tree2)
> plot(as.party(titanic.tree2))
（目標變數為數值變數時的**問題）
首先讀入資料：
> library(ggplot2)
> data(diamonds)
> diamonds2 <- subset(diamonds,subset=
+ carat >= 1.5 & carat < 2 &
+ clarity %in% c("i1","si2"))
>boxplot(diamonds2$price)
\\使用箱型圖或直方圖來觀察分布
> str(diamonds)
> diamonds.tree <- rpart(formula=price~carat+cut+color+clarity,
data=diamonds,method="anova")
\\然後繪製結果資料的樹結構
> plot(as.party(diamonds.tree))
最後，執行**。把原資料前5萬條作為訓練集，剩下的作為測試資料。根據計算結果，用predict()函式**測試資料。這裡使用head()函式只顯示前幾行。
> train <- diamonds[1:50000,]
> test <- diamonds[50001:nrow(diamonds),]
> diamonds.tree2 <- rpart(
+ formula=price~carat+cut+color+clarity,
+ data=train,method="anova",cp=0.078)
> p <-predict(diamonds.tree2,newdata=test)
> head(p)
決策樹分析
進行科學的決策是專案評估工作中的主要目的之一。科學的決策方法就是對比判斷，亦即對擬建專案的備選方案進行比選。但是，決策存在一定的風險性，專案評估工作中的大量決策基本是屬於風險型決策。概率分析為在風險條件下決定方案取捨的方法，決策樹分析也是常用的風險決策方法之一。所謂決策樹分析，就是利用概率分析原理，...
excel決策樹 酸奶決策樹分析
決策樹分類演算法一般分為兩個步驟 決策樹生成和決策樹修剪，運用決策樹分析法，可以找到酸奶的目標人群市場，通過此次決策樹分析，我們得出中收入的未婚和離異的男性為目標市場人群。一 資料分析 首先計算熵和資訊增益。樣本的概率分布越均衡，它的資訊量 熵 就越大，樣本集的混雜程度就越高，資訊增益越大，說明屬性...
excel決策樹 新酸奶決策樹分析
為了發現哪些消費者為新酸奶的目標客戶，我們利用決策樹分析酸奶消費者資料，以收入水平為決策樹的根節點，依次節點是性別和婚姻狀況，最後通過決策樹直觀的得出中等收入男性為決策樹目標客戶的結論。一 構建酸奶購買決策樹 二 分析 通過構建決策樹，我們發現只有中等收入且未婚或離異的男性消費者購買了酸奶，說明該酸...