R - 决策树：初学者指南

你好，未来的数据科学家们！今天，我们将使用R语言开启一段激动人心的决策树之旅。别担心你之前从未编过代码——我会一路作为你友好的向导。在本教程结束时，你将能够创建自己的决策树，并且感觉自己像一个真正的数据巫师！

什么是决策树？

在我们深入代码之前，让我们先了解什么是决策树。想象你正在考虑是否去跑步。你可能会问自己：

1. 是否在下雨？
2. 我是否有足够的时间？
3. 我是否精力充沛？

基于你的回答，你做出一个决定。这就是决策树所做的——它基于一系列问题来做出决策！

安装必要的R包

首先，我们需要装备正确的工具。在R中，这些工具被称为包。在我们探索决策树的旅途中，我们将需要两个主要的包：rpart 和 rpart.plot。

让我们来安装它们：

install.packages("rpart")
install.packages("rpart.plot")

现在，让我们加载这些包：

library(rpart)
library(rpart.plot)

太棒了！你已经迈出了R编程的第一步。给自己一个鼓励！

创建一个简单的数据集

现在我们有了工具，让我们创建一个简单的数据集来操作。想象我们在尝试根据温度和是否是周末来预测某人是否会买冰淇淋。

# 创建一个数据框
ice_cream_data <- data.frame(
temperature = c(68, 85, 72, 90, 60, 78, 82, 75, 68, 71),
is_weekend = c(0, 1, 0, 1, 0, 1, 1, 0, 1, 0),
buy_icecream = c(0, 1, 0, 1, 0, 1, 1, 0, 1, 0)
)

# 查看数据
print(ice_cream_data)

在这个数据集中：

• temperature 是华氏温度
• is_weekend 周末为1，工作日为0
• buy_icecream 买冰淇淋为1，没买为0

构建我们的第一个决策树

现在是激动人心的部分——让我们构建我们的决策树！

# 创建决策树模型
ice_cream_tree <- rpart(buy_icecream ~ temperature + is_weekend,
data = ice_cream_data,
method = "class")

# 绘制树形图
rpart.plot(ice_cream_tree, extra = 106)

让我们分解一下这里发生了什么：

1. rpart() 是我们用来创建决策树的函数。
2. buy_icecream ~ temperature + is_weekend 告诉R我们想要根据 temperature 和 is_weekend 预测 buy_icecream。
3. data = ice_cream_data 指定我们的数据集。
4. method = "class" 告诉R我们正在进行分类任务（预测一个类别）。
5. rpart.plot() 创建我们树的视觉表示。

当你运行这段代码时，你会看到一个漂亮的树形图。每个节点显示一个决策规则，而叶子节点显示预测。就像一个冰淇淋决策流程图！

理解树

让我们解释一下我们的冰淇淋决策树：

1. 顶部节点（根节点）显示第一个分割。它可能是像 "temperature < 76" 这样的规则。
2. 如果为真（是），它走向左分支；如果为假（否），它走向右分支。
3. 这个过程继续，直到它达到一个叶子节点，然后给出最终预测。

节点中的数字代表：

• 预测的类别（0或1）
• 该类别的概率
• 该节点中观察值的百分比

进行预测

现在我们有了树，让我们用它来进行一些预测！

# 创建新数据
new_data <- data.frame(
temperature = c(70, 95),
is_weekend = c(1, 0)
)

# 进行预测
predictions <- predict(ice_cream_tree, new_data, type = "class")

# 查看预测
print(predictions)

这段代码预测了在70°F的周末和95°F的工作日某人是否会买冰淇淋。

评估模型

为了查看我们的模型表现如何，我们可以使用混淆矩阵：

# 在原始数据上做出预测
predictions <- predict(ice_cream_tree, ice_cream_data, type = "class")

# 创建混淆矩阵
confusion_matrix <- table(Actual = ice_cream_data$buy_icecream, Predicted = predictions)

# 查看混淆矩阵
print(confusion_matrix)

# 计算准确率
accuracy <- sum(diag(confusion_matrix)) / sum(confusion_matrix)
print(paste("准确率:", accuracy))

这给了我们一个快速查看预测正确和错误数量的方法。

结论

恭喜你！你刚刚在R中构建了自己的第一个决策树。从安装包到进行预测，你已经走过了很长的路。记住，熟能生巧，所以不要害怕尝试不同的数据集和参数。

以下是我们使用的方法的快速回顾：

方法	描述
install.packages()	安装R包
library()	加载已安装的包
data.frame()	创建数据框
rpart()	构建决策树
rpart.plot()	可视化决策树
predict()	使用树进行预测
table()	创建混淆矩阵

继续探索，继续学习，最重要的是，在数据科学中享受乐趣！

Credits: Image by storyset