Cart Algorithm and R Programming 分類樹

首先,要明白Cart生成算法。Cart生成算法的核心是以基尼系數(Gini Index)最小化為準則生成分類樹。理解下Gini Index,它用來衡量Pure程度,即一個節點中包含y因變量值的差異程度。Gini Index越小,說明y的值越一致,分類效果好,選擇這樣的特征作為節點,樹的效率才高。

Cart算法的基本思路(遞歸過程):
Step 1: 選定training data,遍歷每一個特征A,對每個特征A可取的值a,根據A=a測試是否劃分為兩部分,并計算Gini Index。

Step 2: 在step 1中計算得到的Gini Index中,選擇最小的Gini Index對應的A=a作為最有特征與最優切分點,由此training data被分配到了兩個子節點中。

Step 3: 重復以上步驟,直到滿足停止條件。

R 中的rpart package能夠實現Cart 算法。

R code:

# raw data has 4521 rows and 17 columns; the last column is y
bank <- read.csv("C:/working/summer/機器學習/決策樹/bank/bank.csv",header=TRUE,sep=';')

# seprate as training set & valication set
bank_train <- bank[1:4000,]
bank_test <- bank[4001:4521,1:16]
bank_test1 <- bank[4001:4521,]

# build tree
library(rpart)
fit <- rpart(y~age+job+marital+education+default+balance+housing+loan+contact  
             +day+month+duration+campaign+pdays+previous+poutcome,method="class",  
             data=bank_train)  # method=class represent build classification tree
plot(fit, uniform = TRUE,main="Classification Tree for Bank")
text(fit,use.n = TRUE,all=TRUE)

#######################################################################################################

#use validation data to test the accuracy
result <- predict(fit, bank_test,type = "class")

#use a function to calculate accuracy rate
source("C:/working/summer/機器學習/決策樹/accurate rate.r")
count_result(result,bank_test1)

#######################################################################################################

# deal with missing value
# na.action 默認保留自變量缺失的觀測值,刪除因變量缺失的觀測值
# 但是不明白怎么保留自變量缺失的觀測值??這樣保留了怎么建的樹?
summary(bank) #The 4th, 9th,16th column have unknown value
n <- nrow(bank)
for (i in 1:n){
  if (bank[i,4]=="unknown"){
    bank[i,4]=NA
  }
  if (bank[i,9]=="unknown"){
    bank[i,9]=NA
  }
  if (bank[i,16]=="unknown"){
    bank[i,16]=NA
  }
}

fit2 <- rpart(y~.,method = "class", data=bank_train,na.action=na.rpart)  
plot(fit,,use.n=TRUE,all=TRUE)  
text(fit,use.n = TRUE,all=TRUE)
result2 <- predict(fit2,bank_test,type="class")
count_result(result2,bank_test1)

########################################################################################################
fit3 <- rpart(y~age+job+marital+education+default+balance+housing+loan+contact+day+month+duration+campaign+
                pdays+previous+poutcome,method="class",data=bank_train,na.action=na.rpart,
              control=rpart.control(minsplit=40,cp=0.001))   # minsplit越大樹越簡單,它表示當分類小到這個值時就停止
result3 <- predict(fit3,bank_test,type="class")  
count_result(result3,bank_test1)
plot(fit3,use.n=TRUE,all=TRUE)

count_result function 用來計算分類的正確率

count_result <- function(result,data_test){
  n <- length(result)
  count_right<-0
  i <-1
  for (i in 1:n){
    if (result[i]==data_test[i,17]){
      count_right=count_right+1
    }
  }
  print(count_right/n)

剪枝:

library(rpart)
fit <- rpart(y~age+job+marital+education+default+balance+housing+loan+contact  
             +day+month+duration+campaign+pdays+previous+poutcome,method="class",  
             data=bank_train,control=rpart.control(minsplit=140,cp=0.001))  # method=class represent build classification tree
plot(fit, uniform = TRUE,main="Classification Tree for Bank")
text(fit,use.n = TRUE,all=TRUE)

# more beautiful plot
library(rpart.plot)
rpart.plot(fit, branch=1, branch.type=2, type=1, extra=102,  
           shadow.col="gray", box.col="green",  
           border.col="blue", split.col="red",  
           split.cex=1.2, main="Kyphosis決策樹");  

# prune
printcp(fit)
fit$cptable
fit2 <- prune(fit, cp= fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"]) 
rpart.plot(fit2, branch=1, branch.type=2, type=1, extra=102,  
           shadow.col="gray", box.col="green",  
           border.col="blue", split.col="red",  
           split.cex=1.2, main="Kyphosis決策樹");

剪枝前:4層

Paste_Image.png

剪枝后:3層

Paste_Image.png
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,197評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,415評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,104評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,884評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,647評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,130評論 1 323
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,208評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,366評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,887評論 1 334
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,737評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,939評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,478評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,174評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,586評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,827評論 1 283
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,608評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,914評論 2 372

推薦閱讀更多精彩內容