R语言决策树代码
<!--StartFragment --><DIV>library(ROCR)
qiediandata=read.csv("f:<IMG src="file:///C:/Users/tipdm/AppData/Local/Temp/%25W@GJ$ACOF(TYDYECOKVDYB.png">\\data\\model.csv")
data=qiediandata[,3:6]
head(data)
set.seed(1)##设置随机种子
#数据集随机抽80%定义为训练数据集，20%为测试数据集
int = sample(2, nrow(data), replace=TRUE, prob=c(0.2, 0.8))
traindata <- data
#nrow(traindata)/nrow(data)
testdata <- data
#cart 决策树
library(tree)
#tree.model <- tree(traindata[,4]~., data=traindata)
tree.model <- tree(是否窃漏电~., data=traindata)
#tree.model <- tree(traindata[,4]~traindata[,1]+traindata[,2]+traindata[,3], data=traindata)
summary(tree.model)
#第四列作为因变量,其他作为自变量 波浪号后面有个点
traindata[,4]=as.factor(traindata[,4])
#强制类型转化，使得可以用traindata[,4]
predict(tree.model,type="class")
tree.model$y
newtree.model <- tree(是否窃漏电~., data=traindata)
newtree.model
predict(newtree.model)
newtree.predictdata=predict(newtree.model,type="class")
# 这两句的区别在于直接给出两个类型
conf=table(act=traindata[,4],pre=newtree.predictdata)
#实际和预测的比较,混淆矩阵
sum(diag(conf))/sum(conf)
plot(tree.model)
text(tree.model)
testpr=predict(newtree.model,newdata=testdata,type="class")
#测试算法好不好，预测剩下的测试数据
righ=table(act=as.factor(testdata[,4]),testpr)
righ
#ROC曲线
library(ROCR)
prefor<-prediction(predict(newtree.model,testdata)[,2],testdata$是否窃漏电)
prefor
performan<-performance(prefor,"tpr","fpr")
#tpr:true positive rate,fpr:false positive rate
performan
plot(performan)
</DIV>
library(ROCR)
qiediandata=read.csv("f:\\data\\model.csv")
data=qiediandata[,3:6]
head(data)
set.seed(1) ##设置随机种子
#数据集随机抽80%定义为训练数据集，20%为测试数据集
int = sample(2, nrow(data), replace=TRUE, prob=c(0.2, 0.8))
traindata <- data
#nrow(traindata)/nrow(data)
testdata <- data
#cart 决策树
library(tree)
#tree.model <- tree(traindata[,4]~., data=traindata)
tree.model <- tree(是否窃漏电~., data=traindata)
#tree.model <- tree(traindata[,4]~traindata[,1]+traindata[,2]+traindata[,3], data=traindata)
summary(tree.model)
#第四列作为因变量,其他作为自变量 波浪号后面有个点
traindata[,4]=as.factor(traindata[,4])
#强制类型转化，使得可以用traindata[,4]
predict(tree.model,type="class")
tree.model$y
newtree.model <- tree(是否窃漏电~., data=traindata)
newtree.model
predict(newtree.model)
newtree.predictdata=predict(newtree.model,type="class")
# 这两句的区别在于直接给出两个类型
conf=table(act=traindata[,4],pre=newtree.predictdata)
#实际和预测的比较,混淆矩阵
sum(diag(conf))/sum(conf)
plot(tree.model)
text(tree.model)
testpr=predict(newtree.model,newdata=testdata,type="class")
#测试算法好不好，预测剩下的测试数据
righ=table(act=as.factor(testdata[,4]),testpr)
righ
#ROC曲线
library(ROCR)
prefor<-prediction(predict(newtree.model,testdata)[,2],testdata$是否窃漏电)
prefor
performan<-performance(prefor,"tpr","fpr")
#tpr:true positive rate,fpr:false positive rate
performan
plot(performan)
搜索
页:
[1]