R語言rpartb包樹回歸模型構建：基于前列腺prostate資料集
決策樹是一種機器學習的方法，決策樹的生成演算法有ID3, C4.5和C5.0等，決策樹是一種樹形結構，其中每個內部節點表示一個屬性上的判斷，每個分支代表一個判斷結果的輸出，最后每個葉節點代表一種分類結果，
決策樹是一種十分常用的分類方法，需要監管學習（有教師的Supervised Learning），監管學習就是給出一堆樣本，每個樣本都有一組屬性和一個分類結果，也就是分類結果已知，那么通過學習這些樣本得到一個決策樹，這個決策樹能夠對新的資料給出正確的分類，
CART（分類與回歸）模型既可以用于分類、也可以用于回歸，對于回歸樹（最小二乘回歸樹生成演算法），需要尋找最優切分變數和最優切分點，對于分類樹（CART生成演算法），使用基尼指數選擇最優特征，
#包匯入
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/357241.html
標籤：AI
上一篇：R語言時間序列（time series）分析實戰：季節性資料分解、非季節性資料分解
下一篇：R語言計算回歸模型每個樣本（觀察、observation、sample）的DFFITS度量實戰：忽略單個觀察（樣本）時，回歸模型所做的預測會發生多大的變化