R语言做决策树，R软件会自动将数据离散化吗，还是需要手动去离散数据？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

做出来的决策树效果不好，预测的正确率只有50%，不知道是什么原因，求大神指教下

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：离散数据 离散化 决策树 r软件 R语言 软件

方法不对吧。采用新方法训练下

tianjixuetu 发表于 2016-11-10 15:21
方法不对吧。采用新方法训练下

我用的rpart包，代码如下：
data <- read.csv("E://sha.csv",header=T)
ind <- sample(2, nrow(data), replace=TRUE, prob=c(0.9, 0.1))
traindata <- data[ind==1,]
testdata<- data[ind==2,]

library(rpart)
ct<-rpart.control(xval=5,minsplit=2,minbucket=1,cp=0.01)
model.CART <-rpart(f~七天+X1月+X3月+X6月+X12月+X18月+X24月+a+b+c+d,method="class",control=ct,data=traindata,parms=list(prior=c(0.6,0.4),split="information")
prune(model.CART,cp=0.01)

results.CART <-predict(model.CART,newdata=testdata, type="class")
不知道是不是代码写的有问题，还是那个参数没有设置对啊，总共11个变量，其中有9个都是连续的，是不是要把连续变量离散化？

一，决策树中很不稳定的，二，50%，说明，数据没啥子用信息含量，三，决策树，对变量没有要求离散化，它是最适合各类变量类型的ML，四，现在，单用决策树，已很少有价值了。。

jgchen1966 发表于 2016-11-10 18:26
一，决策树中很不稳定的，二，50%，说明，数据没啥子用信息含量，三，决策树，对变量没有要求离散化，它是最 ...

你好，那除了用决策树，还有什么方法可以用来分类预测？用随机森林是不是可以提高稳定性和正确率呀？

yaoqsm321 发表于 2016-11-11 09:07
你好，那除了用决策树，还有什么方法可以用来分类预测？用随机森林是不是可以提高稳定性和正确率呀？

如 果，有兴趣，有时间，可好好研习 R 包 caret  ，它包含了近百个分类ML 方法。。

jgchen1966 发表于 2016-11-10 18:26
一，决策树中很不稳定的，二，50%，说明，数据没啥子用信息含量，三，决策树，对变量没有要求离散化，它是最 ...

谢谢，还有一个问题，R语言的好多函数看不懂，网上也搜不到语法，请问该怎么去学习呀？

yaoqsm321 发表于 2016-11-11 17:49
谢谢，还有一个问题，R语言的好多函数看不懂，网上也搜不到语法，请问该怎么去学习呀？

一、查阅  R 官网 http://mirrors.xmu.edu.cn/CRAN/
二，找本书， caret 作者就写了一本不错的ML 学习的书,也是学习caret 的书
Max Kuhn • Kjell Johnson,   Applied Predictive Modeling,  Springer Science+Business Media New York 2013