这一节学习使用包party里面的函数ctree()为数据集iris建立一个决策树。属性Sepal.Length（萼片长度）、Sepal.Width（萼片宽度）、Petal.Length（花瓣长度）以及Petal.Width（花瓣宽度）被用来预测鸢尾花的Species（种类）。在这个包里面，函数ctree()建立了一个决策树，predict()预测另外一个数据集。

    在建立模型之前，iris（鸢尾花）数据集被分为两个子集：训练集（70%）和测试集（30%）。使用随机种子设置固定的随机数，可以使得随机选取的数据是可重复利用的。

iris的决策树分析（二）

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

决策树（decision tree）            决策树是使用类似于一棵树的结构来表示类的划分，树的构建可以看成是变量（属性）选择的过程，内部节点表示树选择那几个变量（属性）作为划分，每棵树的叶节点表示为一个类的标号，树的最顶层为根节点。
           ID3， C4.5和CART均采用贪心算法，自顶向下递归的分治方式构造，从训练数据集和他们相关联的类标号开始构造树。随着树的构造，训练数据集递归的划分成较小的子集。
            算法当中三个重要的参数：D 训练数据集和类标号 ，Attitude_list 描述观测的变量（属性）列表，Attribute_selection_list变量（属性）选择度量，确定一个分裂准侧（splitting criterion）,这种分裂准则选择哪些变量（属性）为按类“最好的”进行划分，也确定分枝选择哪些观测的为“最好的划分”。即分裂准则可以确定分裂 变量（属性），也可以确定分裂点（splitting--point），使最后分裂的准则尽可能的“纯”，“纯”表示所有观测都属于同一类，常用的有信息 增益，增益率，Gini指标作为度量。
            信息增益：ID3使用信息增益，假定D中类标号变量（属性）具有m个值，定义m个不同的类C(i)(i=1,2---m)，C(i,d)是D中C(i)类的元组的集合，|D|和|C(i,D)|分别是D,C(i,D)中的个数。

                 决策树在构造过程中，由于数据中含有噪声和离群点等异常数据，训练出来的树的分枝会过分拟合数据，处理过分拟合的办法是对树进行剪枝，剪枝后的树更 小，复杂度更低，而且容易理解，常用的剪枝办法有，先剪枝和后剪枝。                 R语言中实现决策树的包rpart;     1,生成树：rpart()函数 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     ：数据。         na.action：缺失数据的处理办法，默认为删除因变量缺失的观测而保留自变量缺失的观测。         method：树的末端数据类型选择相应的变量分割方法，连续性method=“anova”,离散型使用method=“class”,，计数型 method=“poisson”,生存分析型method=“exp”。          parms：设置三个参数，先验概率，损失矩阵，分类矩阵的度量方法。          control：控制每个节点上的最小样本量，交叉验证的次数，复杂性参量：cp:complexity pamemeter。      2，剪枝使用          prune(tree,cp,....)           tree常是rpart()的结果对象，cp 复杂性参量       3 显示结果的语句printcp(fit)显示复杂性表plotcp(fit)画交叉验证结果图rsq.rpart(fit)R-squared 和 relative error for different splits (2 plots). labels are only appropriate for  "anova" method.print(fit)打印结果summary(fit)基本信息plot(fit)画决策树text(fit)给树添加标签post(fit,file=)保存结果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")