决策树 - 多个实例

【问题标题】：Decision tree - multiple instances决策树 - 多个实例
【发布时间】：2016-03-18 11:59:11
【问题描述】：

从这些数据开始

i <- c("1","2","3","4","5","6","7","8")
g <- c("man","man","woman","man","woman","man","woman","man")
r <- c("100","34","22","42","62","73","8","66")
o <- c("A1","A2","A3","A2","A2","A1","A3","A2")

data <- data.frame (i,g,r,o)

我需要构建一个决策树，以便为“o”列的每个实例识别规则

if i=1 and g=man and r=100 then A1

有人可以建议我必须使用哪种 R 算法吗？

【问题讨论】：

您可以从library(rpart)搜索?rpart。不过安装rattle 会更容易。

标签： r tree dataframe decision-tree

【解决方案1】：

假设您暗示 o 是您的结果。

require(rpart)
fit <- rpart(o ~ i + g + r, dta)
plot(fit) # won't work as not a tree (too little data)
text(fit)

【讨论】：

完美！基本上每个人都将此算法视为预测步骤的一部分。但据我了解，这只是数据挖掘。我可以说如果使用我的数据集的新行并将拟合应用于我的新行，这是一个预测？
此外，假设我的数据集每天将增加 10 行。我可以使用拟合模型提供多少天的预测？有什么方法可以测试拟合模型不再与数据相关吗？
如果您应用拟合来预测新数据的值，为什么它不是预测？第二个问题并不简单。特别是因为我真的对你的一天一无所知。我的建议是交叉验证您的模型，这可能有助于更好地说明您的模型在样本外的表现。 caret 包非常适合此以及调整模型参数，请参阅以下页面了解更多详细信息：topepo.github.io/caret
我已经创建了一个新线程来更好地解释我的疑问：stackoverflow.com/questions/34253566/…