Cart Algorithm and R Programming 分类树

首先,要明白Cart生成算法。Cart生成算法的核心是以基尼系数(Gini Index)最小化为准则生成分类树。理解下Gini Index,它用来衡量Pure程度,即一个节点中包含y因变量值的差异程度。Gini Index越小,说明y的值越一致,分类效果好,选择这样的特征作为节点,树的效率才高。

Cart算法的基本思路(递归过程):
Step 1: 选定training data,遍历每一个特征A,对每个特征A可取的值a,根据A=a测试是否划分为两部分,并计算Gini Index。

Step 2: 在step 1中计算得到的Gini Index中,选择最小的Gini Index对应的A=a作为最有特征与最优切分点,由此training data被分配到了两个子节点中。

Step 3: 重复以上步骤,直到满足停止条件。

R 中的rpart package能够实现Cart 算法。

R code:

# raw data has 4521 rows and 17 columns; the last column is y
bank <- read.csv("C:/working/summer/机器学习/决策树/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/机器学习/决策树/accurate rate.r")
count_result(result,bank_test1)

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

# deal with missing value
# na.action 默认保留自变量缺失的观测值,删除因变量缺失的观测值
# 但是不明白怎么保留自变量缺失的观测值??这样保留了怎么建的树?
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越大树越简单,它表示当分类小到这个值时就停止
result3 <- predict(fit3,bank_test,type="class")  
count_result(result3,bank_test1)
plot(fit3,use.n=TRUE,all=TRUE)

count_result function 用来计算分类的正确率

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决策树");  

# 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决策树");

剪枝前:4层

Paste_Image.png

剪枝后:3层

Paste_Image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容