這一節學習使用包party里面的函數ctree()為數據集iris建立一個決策樹。屬性Sepal.Length（萼片長度）、Sepal.Width（萼片寬度）、Petal.Length（花瓣長度）以及Petal.Width（花瓣寬度）被用來預測鳶尾花的Species（種類）。在這個包里面，函數ctree()建立了一個決策樹，predict()預測另外一個數據集。

    在建立模型之前，iris（鳶尾花）數據集被分為兩個子集：訓練集（70%）和測試集（30%）。使用隨機種子設置固定的隨機數，可以使得隨機選取的數據是可重復利用的。

iris的決策樹分析（二）

---------------------------------------------------------------------------------------------

決策樹（decision tree）            決策樹是使用類似于一棵樹的結構來表示類的劃分，樹的構建可以看成是變量（屬性）選擇的過程，內部節點表示樹選擇那幾個變量（屬性）作為劃分，每棵樹的葉節點表示為一個類的標號，樹的最頂層為根節點。
           ID3， C4.5和CART均采用貪心算法，自頂向下遞歸的分治方式構造，從訓練數據集和他們相關聯的類標號開始構造樹。隨著樹的構造，訓練數據集遞歸的劃分成較小的子集。
            算法當中三個重要的參數：D 訓練數據集和類標號 ，Attitude_list 描述觀測的變量（屬性）列表，Attribute_selection_list變量（屬性）選擇度量，確定一個分裂準側（splitting criterion）,這種分裂準則選擇哪些變量（屬性）為按類“最好的”進行劃分，也確定分枝選擇哪些觀測的為“最好的劃分”。即分裂準則可以確定分裂 變量（屬性），也可以確定分裂點（splitting--point），使最后分裂的準則盡可能的“純”，“純”表示所有觀測都屬于同一類，常用的有信息 增益，增益率，Gini指標作為度量。
            信息增益：ID3使用信息增益，假定D中類標號變量（屬性）具有m個值，定義m個不同的類C(i)(i=1,2---m)，C(i,d)是D中C(i)類的元組的集合，|D|和|C(i,D)|分別是D,C(i,D)中的個數。

                 決策樹在構造過程中，由于數據中含有噪聲和離群點等異常數據，訓練出來的樹的分枝會過分擬合數據，處理過分擬合的辦法是對樹進行剪枝，剪枝后的樹更 小，復雜度更低，而且容易理解，常用的剪枝辦法有，先剪枝和后剪枝。                 R語言中實現決策樹的包rpart;     1,生成樹：rpart()函數 raprt(formular,data,weight,subset,na.action=na.rpart,method,model=FALSE,x=FALSE,y=TRUE,parms,control,cost,...)         fomula ：模型格式形如outcome~predictor1+predictor2+predictor3+ect。         data     ：數據。         na.action：缺失數據的處理辦法，默認為刪除因變量缺失的觀測而保留自變量缺失的觀測。         method：樹的末端數據類型選擇相應的變量分割方法，連續性method=“anova”,離散型使用method=“class”,，計數型 method=“poisson”,生存分析型method=“exp”。          parms：設置三個參數，先驗概率，損失矩陣，分類矩陣的度量方法。          control：控制每個節點上的最小樣本量，交叉驗證的次數，復雜性參量：cp:complexity pamemeter。      2，剪枝使用          prune(tree,cp,....)           tree常是rpart()的結果對象，cp 復雜性參量       3 顯示結果的語句printcp(fit)顯示復雜性表plotcp(fit)畫交叉驗證結果圖rsq.rpart(fit)R-squared 和 relative error for different splits (2 plots). labels are only appropriate for  "anova" method.print(fit)打印結果summary(fit)基本信息plot(fit)畫決策樹text(fit)給樹添加標簽post(fit,file=)保存結果ps，pdf，等格式  # Classification Tree with rpart
library(rpart)

# grow tree
fit <- rpart(Kyphosis ~ Age + Number + Start,
method="class", data=kyphosis)

printcp(fit) # display the results
plotcp(fit) # visualize cross-validation results
summary(fit) # detailed summary of splits

# plot tree
plot(fit, uniform=TRUE,
main="Classification Tree for Kyphosis")
text(fit, use.n=TRUE, all=TRUE, cex=.8)

# create attractive postscript plot of tree
post(fit, file = "G:/dataplay/tree.ps",
title = "Classification Tree for Kyphosis")pfit<- prune(fit, cp= fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"])

# plot the pruned tree
plot(pfit, uniform=TRUE,
main="Pruned Classification Tree for Kyphosis")
text(pfit, use.n=TRUE, all=TRUE, cex=.8)
post(pfit, file = "G:/dataplay/ptree.ps",
title = "Pruned Classification Tree for Kyphosis")