R语言机器学习系列-决策树多分类代码
2022/3/1 6:24:38
本文主要是介绍R语言机器学习系列-决策树多分类代码,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
采用决策树解决多分类问题的代码与解决二分类问题的代码类似,也是构建初始树、后剪枝、输出变量重要性、树形图、预测几个步骤。差别在于,决策树预测多分类问题的具体分类是直接采用predict函数,将type设置为class即可,这样得到的就是各个样本的具体预测类别。当然也可以将type设置为prob,从而得到预测概率,该预测概率可以用于后续计算多分类的AUC。
关于多分类问题的ROC,可以将结果拆分为多个一vs.其他的形式,从而得到多条经过转化的二分类的ROC曲线,这些曲线可以采用叠加的方式放到一张图上。
# 构建模型 set.seed(42) # 固定交叉验证结果 fit_dt_clsm <- rpart( form_clsm, data = traindata, method = "class", # 分类模型 parms = list(split = "information"), # 分裂规则 control = rpart.control(cp = 0.005) # 复杂度参数 ) # 原始分类树 fit_dt_clsm # 复杂度相关数据 printcp(fit_dt_clsm) plotcp(fit_dt_clsm) # 后剪枝 fit_dt_clsm_pruned <- prune(fit_dt_clsm, cp = 0.01) print(fit_dt_clsm_pruned) # 变量重要性 fit_dt_clsm_pruned$variable.importance barplot(fit_dt_clsm_pruned$variable.importance) # 变量重要性图示 varimpdata <- data.frame(importance = fit_dt_clsm_pruned$variable.importance) ggplot(varimpdata, aes(x
这篇关于R语言机器学习系列-决策树多分类代码的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-10-28机器学习资料入门指南
- 2024-10-25机器学习开发的几大威胁及解决之道
- 2024-10-24以下是五个必备的MLOps (机器学习运维)工具,帮助提升你的生产效率 ??
- 2024-10-15如何选择最佳的机器学习部署策略:云 vs. 边缘
- 2024-10-12从软件工程师转行成为机器学习工程师
- 2024-09-262024年机器学习路线图:精通之路步步为营指南
- 2024-09-13机器学习教程:初学者指南
- 2024-08-07从入门到精通:全面解析机器学习基础与实践
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习