r语言做决策树代码实现

0.节点和结点的区别：节点为两线相交，不为终点；而结点为两线相交为终点，没有延伸；
1.分支节点：它指向其他的节点，所以是度不为0的节点。 vs 叶子结点：度为0的结点
2.度：结点拥有的子树数；就是说这个结点下面有几条分支
3.树的深度：树有几层
4.10折交叉验证：常用的测试算法准确性的方法。
  将数据集分成10份，轮流将其中9份作为训练数据，1份作为测试数据，进行试验
  每次试验都会得出相应的正确率，10次结果的正确率取平均值就作为算法精度的估计，一般还需进行多次10折交叉验证，再求均值
  为什么取10折？因为很多理论证明了10折是获得最好误差估计的恰当选择。
  
#第1步：工作目录和数据集的准备
setwd("C:/Users/IBM/Desktop/170222分类树建模/2.23建模")#设定当前的工作目录，重要！
audit2<-read.csv("model2.csv",header=T)
str(audit2) #转成字符串类型的

#第2步：做训练集和测试集
set.seed(1)
sub<-sample(1:nrow(audit2),round(nrow(audit2)*2/3))
length(sub)
data_train<-audit2[sub,]#取2/3的数据做训练集
data_test<-audit2[-sub,]#取1/3的数据做测试集
dim(data_train)#训练集行数和列数13542 23
dim(data_test) #测试集的行数和列数6771 23
table(data_train$是否转化) #看该列分布的
table(data_test$是否转化)

#做决策树模型。首先对树参数进行设置，再建模
## rpart.control对树进行一些设置  
## xval是10折交叉验证  
## minsplit是最小分支节点数，这里指大于等于20，那么该节点会继续分划下去，否则停止  
## minbucket：叶子节点最小样本数,这里设置100，可以调参 
## maxdepth：树的深度  

## cp全称为complexity parameter，指某个点的复杂度，对每一步拆分,模型的拟合优度必须提高的程度 

#加载程序包和一些参数设定
library(rpart)
ct<-rpart.control(xval=10,minsplit=20,minbucket=150,cp=0.00017)

#rapart包中的raprt函数来做决策树
#na.action:缺失数据的处理，默认为删因变量缺失保留自变量缺失
#method：树的末端数据类型选择相应的变量分割方法：
#        连续性method=“anova”,离散型method=“class”,计数型method=“poisson”,生存分析型method=“exp”  
#parms：用来设置三个参数:先验概率、损失矩阵、分类纯度的度量方法（gini和information）  

#第3步：建模，观察模型结果

library(rpart)

tree.both<-rpart(as.factor(是否转化)~ .,data=data_train,method='class',minsplit=20,minbucket=150,cp=0.00017)
summary(tree.both)
tree.both$variable.importance
printcp(tree.both)
plotcp(tree.both,lwd=2) 

#第4步：画决策树
#画决策树第1种方法，画出来的树比较简单
par(mfrow=c(1,3))
plot(tree.both)
text(tree.both,use.n=T,all=T,cex=0.9)

#画决策树第2种方法，画出来的树稍微好看些
library(rpart.plot)
rpart.plot(tree.both,branch=1,shadow.col="gray",box.col="green",border.col="blue",split.col="red",split.cex=1.2,main="决策树")

#第5步：剪枝
#rpart包提供了一种剪枝方法--复杂度损失修剪的修剪方法
#printcp这个函数会告诉你分裂到的每一层，对应的cp是多少，平均相对误差是多少
#xerror：交叉验证的估计误差；xstd：标准误差；xerror±xstd平均相对误差
printcp(tree.both)

#我们使用具有最小交叉验证误差的cp
cp=tree.both$cptable[which.min(tree.both$cptable[,"xerror"]),"CP"]

cp #cp=0.00049

#第6步：剪枝之后的树再画图
tree.both2<-prune(tree.both,cp=tree.both$cptable[which.min(tree.both$cptable[,"xerror"]),"CP"])
summary(tree.both2)
tree.both2$variable.importance
printcp(tree.both2)
plotcp(tree.both2,lwd=2) 

library(rpart.plot)
rpart.plot(tree.both2,branch=1,shadow.col="gray",box.col="green",border.col="blue",split.col="red",split.cex=1.2,main="决策树")

#第7步：输出规则。剪枝后的决策树规则，从规则中再发现规律
library(rattle)
asRules(tree.both2)

#第8步：在测试集上做预测
library(pROC)

pred.tree.both<-predict(tree.both,newdata=data_test)

#第9步，看测试的效果，预测正确的有多少，预测错误的有多少

predictScore<-data.frame(pred.tree.both)
rownames(predictScore) #看这个矩阵行的名字
colnames(predictScore)#看这个矩阵列的名字
predictScore$是否转化<-'ok'  #在预测的矩阵后面多加一列‘是否转化’2，全部都是2
predictScore[predictScore$FALSE.>predictScore$TRUE.,][,"是否转化"]=FALSE #如果false的概率大于true的概率，那么判断为false
predictScore[predictScore$FALSE.<=predictScore$TRUE.,][,"是否转化"]=TRUE 
n<-table(data_test$是否转化,predictScore$是否转化)
n #看分布情况
percantage<-c(n[1,1]/sum(n[1,]),n[2,2]/sum(n[2,]))
percantage