使用R语言实现决策树分析

使用R语言实现决策树分析

决策树是一种常用的机器学习算法，可用于分类和回归问题。在本文中，我们将使用R语言实现决策树分析，并提供相应的源代码。

首先，我们需要安装并加载R中的相关包。在R中，我们可以使用rpart包来构建决策树模型。请确保已安装该包并加载它。

# 安装rpart包（如果尚未安装）
# install.packages("rpart")

# 加载rpart包
library(rpart)

在我们开始构建决策树之前，我们需要准备一些数据。假设我们有一个包含预测变量和目标变量的数据集。我们将使用一个虚拟的示例数据集来说明决策树的构建过程。

首先，让我们创建一个名为dataset的数据框，其中包含两个预测变量x1和x2，以及一个目标变量y。

# 创建示例数据集
dataset <- data.frame(
  x1 = c(1, 2, 3, 4, 5),
  x2 = c(1, 1, 2, 2, 3),
  y = c("A", "A", "B", "B", "B")
)

接下来，我们可以使用rpart()函数来构建决策树模型。该函数的基本语法如下：

model <- rpart(formula, data)