R语言实战:构建决策树模型
决策树是一种常用的机器学习算法,它能够从多个特征中推断出决策结果。在本篇文章中,我们将使用R语言来构建一个决策树模型,并通过实例来展示其应用。
1. 准备数据集
首先,我们需要准备一个合适的数据集用于训练和测试决策树模型。这里我们以一个虚构的客户数据集为例,包含以下几个特征:年龄、性别、收入、婚姻状况和购买决策。
# 创建数据框
customer_data <- data.frame(
age = c(25, 35, 45, 20, 30, 35, 52, 60, 48, 33),
gender = c("M", "F", "M", "M", "F", "F", "M", "F", "M", "F"),
income = c(50000, 60000, 75000, 30000, 40000, 65000, 80000, 90000, 70000, 60000),
marital_status = c("Single", "Married", "Married", "Single", "Married", "Divorced", "Married", "