我正在使用决策树来预测数据集的未来行为。它包含要预测的决策变量“ rate”。我有许多会影响rate列的特性,但是当我应用决策树算法时。正如下面的代码中所提到的,我只给出了一个ibt级别:
ad.apprentissage= rpart(rate~vqs+ibt+tbt+bf+n, data=filteredDataFinal)
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 27 15 4 (0.4074074 0.4444444 0.1481481)
2) ibt< 1.516 11 3 3 (0.7272727 0.2727273 0.0000000) *
3) ibt>=1.516 16 7 4 (0.1875000 0.5625000 0.2500000) *
现在,我要问的是如何向树中添加其他级别(如tbt特性)。
也许我错过了您的问题,但是rpart中的树大小是由复杂度参数(cp)控制的。您可以尝试使用不同的值来获得不同大小的树。
ad.apprentissage= rpart(rate~vqs+ibt+tbt+bf+n, data=filteredDataFinal, cp=0.1)
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句