20、数值数据预测与黑盒机器学习方法

数值数据预测与黑盒机器学习方法

1. 葡萄酒质量数据预处理

葡萄酒质量值大致呈正态分布，均值集中在 6 左右。这符合直觉，因为大多数葡萄酒质量一般，极少有特别差或特别好的。虽然这里未展示结果，但查看 summary(wine) 输出以检查异常值或其他潜在数据问题是很有用的。尽管决策树对杂乱数据有较好的鲁棒性，但检查严重问题总是明智的。目前，我们假设数据是可靠的。

接下来将数据划分为训练集和测试集。由于葡萄酒数据集已经按随机顺序排列，我们可以按以下方式将其划分为两个连续行的集合：

wine_train <- wine[1:3750, ]
wine_test <- wine[3751:4898, ]

为了与 Cortez 使用的条件一致，我们分别使用 75% 和 25% 的数据进行训练和测试。我们将在测试数据上评估基于树的模型的性能，看看是否能获得与先前研究相当的结果。

2. 训练回归树模型

我们首先训练一个回归树模型。几乎任何决策树的实现都可用于进行回归树建模，但 rpart （递归划分）包提供了与 CART 团队所描述的回归树最一致的实现。作为 CART 的经典 R 实现， rpart 包文档完善，并且提供了可视化和评估 rpart 模型的函数。

安装 rpart 包：

install.packages("rp