决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost 和 LightGBM算法的R语言实现

基本逻辑

（1）使用 rnorm 函数生成 5 个特征变量 x1 到 x5，并根据这些特征变量的线性组合生成一个二分类的响应变量 y；

（2）将生成的数据存储在数据框中，处理缺失值，并将响应变量转换为因子类型；

（3）使用决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost 和 LightGBM 六种机器学习模型算法对数据进行训练和评估；

（4）将各个模型的准确率和 AUC 值存储在结果数据框中，并通过柱状图展示结果。

1. R包安装

# 定义要安装的包列表
packages <- c("readxl", "rpart", "e1071", "randomForest", "xgboost", "lightgbm", "pROC", "ggplot2", "RColorBrewer", "reshape2")

# 循环安装每个包
for (pkg in packages) {
  if (!require(pkg, character.only = TRUE)) {
    install.packages(pkg)
    library(pkg, character.only = TRUE)
  }
}

2. 决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost 和 LightGBM算法