R_针对churn数据用id3、cart、C4.5和C5.0创建决策树模型进行判断哪种模型更合适

　　data(churn)导入自带的训练集churnTrain和测试集churnTest

　　用id3、cart、C4.5和C5.0创建决策树模型，并用交叉矩阵评估模型，针对churn数据，哪种模型更合适　　

　　决策树模型 ID3/C4.5/CART算法比较　　　传送门

　　data(churn)为R自带的训练集，这个data(chun十分特殊)

　　先对data(churn)训练集和测试集进行数据查询

churnTest数据

　　奇怪之处，不能存储它的数据，不能查看数据的维度 ，不能查看数据框中每个变量的属性！！

> data(churn)
> Gary<-data(churn)
>
> dim(data(churn))
NULL
> dim(Gary)
NULL
>
> str(data(churn))
 chr "churn"
> str(Gary)
 chr "churn"

　　官方我只看懂了它是一个数据集：加载指定的数据集，或列出可用的数据集(英文文档真是硬伤∑=w=)

　　用不同决策树模型去预测它churn数据集，比较一下哪种模型更合适churn数据

　　比较评估模型(预测)的正确率

#正确率
sum(diag(tab))/sum(tab)

id3创建决策树模型

#加载数据
data(churn)

#随机抽样设置种子，种子是为了让结果具有重复性
set.seed(1) 

library(rpart)

Gary1<-rpart(churn~.,data=churnTrain,method="class", control=rpart.control(minsplit=1),parms=list(split="information"))
printcp(Gary1)

#交叉矩阵评估模型
pre1<-predict(Gary1,newdata=churnTrain,type='class')
tab<-table(pre1,churnTrain$churn)
tab

#评估模型(预测)的正确率
sum(diag(tab))/sum(tab)

Gary1.Script

pre1   yes   no
  yes  360   27
  no   123 2823

> sum(diag(tab))/sum(tab)
[1] 0.9549955

cart创建决策树模型

data(churn)

set.seed(1) 

library(rpart)

Gary1<-rpart(churn~.,data=churnTrain,method="class", control=rpart.control(minsplit=1),parms=list(split="gini"))
printcp(Gary1)

#交叉矩阵评估模型
pre1<-predict(Gary1,newdata=churnTrain,type='class')
tab<-table(pre1,churnTrain$churn)
tab

#评估模型(预测)的正确率
sum(diag(tab))/sum(tab)

Gary2.Script

pre1   yes   no
  yes  354   35
  no   129 2815

> sum(diag(tab))/sum(tab)
[1] 0.9507951

C4.5创建决策树模型

data(churn)

library(RWeka)

#oldpar=par(mar=c(3,3,1.5,1),mgp=c(1.5,0.5,0),cex=0.3)

Gary<-J48(churn~.,data=churnTrain)

tab<-table(churnTrain$churn,predict(Gary))
tab
#评估模型(预测)的正确率
sum(diag(tab))/sum(tab)

Gary3.Script

       yes   no
  yes  359  124
  no    24 2826

> sum(diag(tab))/sum(tab)
[1] 0.9555956

C5.0创建决策树模型

data(churn)
treeModel <- C5.0(x = churnTrain[, -20], y = churnTrain$churn)

ruleModel <- C5.0(churn ~ ., data = churnTrain, rules = TRUE)

tab<-table(churnTest$churn,predict(ruleModel,churnTest))
tab
#评估模型(预测)的正确率
sum(diag(tab))/sum(tab)

Gary4.Script

       yes   no
  yes  149   75
  no    15 1428

> sum(diag(tab))/sum(tab)
[1] 0.9460108

　　

实现过程

id3创建决策树模型：

　　加载数据，随机抽样设置种子，种子是为了让结果具有重复性

data(churn)

set.seed(1) 

　　使用rpart包创建决策树模型

> Gary1<-rpart(churn~.,data=churnTrain,method="class", control=rpart.control(minsplit=1),parms=list(split="information"))
> printcp(Gary1)

Classification tree:
rpart(formula = churn ~ ., data = churnTrain, method = "class",
    parms = list(split = "information"), control = rpart.control(minsplit = 1))

Variables actually used in tree construction:
[1] international_plan            number_customer_service_calls state
[4] total_day_minutes             total_eve_minutes             total_intl_calls
[7] total_intl_minutes            voice_mail_plan              

Root node error: 483/3333 = 0.14491　　　　　　#根节点错误：483/3333＝0.14491

n= 3333 

        CP nsplit rel error  xerror     xstd　　　　　　#错误的XSTD
1 0.089027      0   1.00000 1.00000 0.042076
2 0.084886      1   0.91097 0.95445 0.041265
3 0.078675      2   0.82609 0.90269 0.040304
4 0.052795      4   0.66874 0.72878 0.036736
5 0.022774      7   0.47412 0.51139 0.031310
6 0.017253      9   0.42857 0.49068 0.030719
7 0.012422     12   0.37681 0.46170 0.029865
8 0.010000     17   0.31056 0.43892 0.029171

　　交叉矩阵评估模型

> pre1<-predict(Gary1,newdata=churnTrain,type='class')
> tab<-table(pre1,churnTrain$churn)
> tab

pre1   yes   no
  yes  360   27
  no   123 2823

　　对角线上的数据实际值和预测值相同，非对角线上的值为预测错误的值

　　评估模型(预测)的正确率

> sum(diag(tab))/sum(tab)
[1] 0.9549955

　　　　diag(x = 1, nrow, ncol) 

　　　　diag(x) <- value 

　　解析： 

　　　　x：一个矩阵,向量或一维数组,或不填写。 

　　　　nrow, ncol：可选 行列。 

　　　　value ：对角线的值，可以是一个值或一个向量

diag()函数

cart创建决策树模型：

　　与id3区别parms=list(split="gini"))

Gary1<-rpart(churn~.,data=churnTrain,method="class", control=rpart.control(minsplit=1),parms=list(split="gini"))  

　　解释略

> data(churn)
>
> set.seed(1)
>
> library(rpart)
>
> Gary1<-rpart(churn~.,data=churnTrain,method="class", control=rpart.control(minsplit=1),parms=list(split="gini"))
> printcp(Gary1)

Classification tree:
rpart(formula = churn ~ ., data = churnTrain, method = "class",
    parms = list(split = "gini"), control = rpart.control(minsplit = 1))

Variables actually used in tree construction:
[1] international_plan            number_customer_service_calls state
[4] total_day_minutes             total_eve_minutes             total_intl_calls
[7] total_intl_minutes            voice_mail_plan              

Root node error: 483/3333 = 0.14491

n= 3333 

        CP nsplit rel error  xerror     xstd
1 0.089027      0   1.00000 1.00000 0.042076
2 0.084886      1   0.91097 0.96273 0.041414
3 0.078675      2   0.82609 0.90062 0.040265
4 0.052795      4   0.66874 0.72050 0.036551
5 0.023810      7   0.47412 0.49896 0.030957
6 0.017598      9   0.42650 0.53416 0.031942
7 0.014493     12   0.36853 0.51553 0.031426
8 0.010000     14   0.33954 0.48654 0.030599
>
> #交叉矩阵评估模型
> pre1<-predict(Gary1,newdata=churnTrain,type='class')
> tab<-table(pre1,churnTrain$churn)
> tab

pre1   yes   no
  yes  354   35
  no   129 2815
>
> #评估模型(预测)的正确率
> sum(diag(tab))/sum(tab)
[1] 0.9507951

C4.5创建决策树模型：

　　读取数据，加载party包

data(churn)

library(RWeka)

　　使用rpart包J48()创建决策树模型

> Gary<-J48(churn~.,data=churnTrain)

> tab<-table(churnTrain$churn,predict(Gary))
> tab

       yes   no
  yes  359  124
  no    24 2826

> #评估模型(预测)的正确率
> sum(diag(tab))/sum(tab)
[1] 0.9555956

C5.0创建决策树模型：

　　C5.0算法则是C4.5算法的商业版本，较C4.5算法提高了运算效率，它加入了boosting算法，使该算法更加智能化

　　解释略

> data(churn)
> treeModel <- C5.0(x = churnTrain[, -20], y = churnTrain$churn)
>
> ruleModel <- C5.0(churn ~ ., data = churnTrain, rules = TRUE)
>
> tab<-table(churnTest$churn,predict(ruleModel,churnTest))
> tab

       yes   no
  yes  149   75
  no    15 1428
> #评估模型(预测)的正确率
> sum(diag(tab))/sum(tab)
[1] 0.9460108

diag(x = 1, nrow, ncol)

　　　　diag(x) <- value

　　解析：

　　　　x：一个矩阵,向量或一维数组,或不填写。

　　　　nrow, ncol：可选 行列。

　　　　value ：对角线的值，可以是一个值或一个向量