本文旨在演示rpart包的决策树分类用法，以及利用rpart.plot对结果进行可视化。决策树（分类树）是一种十分常用的分类方法，是一种监管学习；所谓监管学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。

测试数据选用MushroomDataSet(蘑菇数据集)，其数据属性如下：

Attribute Information:

1. cap-shape: bell=b,conical=c,convex=x,flat=f, knobbed=k,sunken=s
2. cap-surface: fibrous=f,grooves=g,scaly=y,smooth=s
3. cap-color: brown=n,buff=b,cinnamon=c,gray=g,green=r,pink=p,purple=u,red=e,white=w,yellow=y
4. bruises?: bruises=t,no=f
5. odor: almond=a,anise=l,creosote=c,fishy=y,foul=f, musty=m,none=n,pungent=p,spicy=s
6. gill-attachment: attached=a,descending=d,free=f,notched=n
7. gill-spacing: close=c,crowded=w,distant=d
8. gill-size: broad=b,narrow=n
9. gill-color: black=k,brown=n,buff=b,chocolate=h,gray=g,green=r,orange=o,pink=p,purple=u,red=e, white=w,yellow=y
10. stalk-shape: enlarging=e,tapering=t
11. stalk-root: bulbous=b,club=c,cup=u,equal=e, rhizomorphs=z,rooted=r,missing=?
12. stalk-surface-above-ring: fibrous=f,scaly=y,silky=k,smooth=s
13. stalk-surface-below-ring: fibrous=f,scaly=y,silky=k,smooth=s
14. stalk-color-above-ring: brown=n,buff=b,cinnamon=c,gray=g,orange=o,pink=p,red=e,white=w,yellow=y
15. stalk-color-below-ring: brown=n,buff=b,cinnamon=c,gray=g,orange=o,pink=p,red=e,white=w,yellow=y
16. veil-type: partial=p,universal=u
17. veil-color: brown=n,orange=o,white=w,yellow=y
18. ring-number: none=n,one=o,two=t
19. ring-type: cobwebby=c,evanescent=e,flaring=f,large=l,none=n,pendant=p,sheathing=s,zone=z
20. spore-print-color: black=k,brown=n,buff=b,chocolate=h,green=r,orange=o,purple=u,white=w,yellow=y
21. population: abundant=a,clustered=c,numerous=n, scattered=s,several=v,solitary=y
22. habitat: grasses=g,leaves=l,meadows=m,paths=p, urban=u,waste=w,woods=d
    data数据下载地址参见关联规则-R语言实现一文。

代码

library(rpart)
library(rpart.plot)
data =read.csv(file.choose(),head=F)
str(data_ms)

table(data_ms$X1)

   e    p 
4208 3916 

prop.table(table(data_ms$X1))

        e         p 
0.5179714 0.4820286 

prop.table(table(data_ms$X1,data_ms$X2),2)

    b         c         f         k         s         x
  e 0.8938053 0.0000000 0.5063452 0.2753623 1.0000000 0.5328228
  p 0.1061947 1.0000000 0.4936548 0.7246377 0.0000000 0.4671772

fit <- rpart(X1 ~.,
             data=data_ms,
             method="class")
#分类结果可视化 
rpart.plot(reg, type=4, extra=1,shadow.col="gray", box.col="green",
           border.col="blue", split.col="red",split.cex=1.2,main="决策树")

可以看出，蘑菇数据更适合通过决策树算法进行分类处理，分类规则评判蘑菇有毒与否清晰明了。

反馈与建议

• 作者：ShangFR
• 邮箱：shangfr@foxmail.com