R语言-决策树算法（C4.5和CART）的实现

决策树算法的实现：

一、C4.5算法的实现

a、需要的包：sampling、party

library(sampling)
library(party)

sampling用于实现数据分层随机抽样，构造训练集和测试集。

party用于实现决策树算法

另外，还可以设置随机数种子，可以获得相同的随机数。方便数据重复检验。

#设置随机数种子，可以获得相同的随机数
set.seed(100)

b、数据准备

我们使用iris数据集作为算法使用的数据集，通过下列各方法可以查看数据集的各种指标。

head(iris)
str(iris)
dim(iris)

然后构造训练集和测试集

sub_train = strata(iris,
                   stratanames = "Species",
                   size = rep(35, 3),
                   method = "srswor")
data_train = iris[sub_train$ID_unit, ]
data_test = iris[-sub_train$ID_unit, ]

抽样方法是分层不放回抽样。

c、训练模型

iris_tree = ctree(Species ~ ., data = data_train)

我们可以通过方法print（）或者plot（）查看模型：