R语言建模：使用df14数据集构建决策树模型

R语言建模：使用df14数据集构建决策树模型

本文介绍了使用R语言对df14数据集进行建模，包括数据预处理、划分训练集和测试集、建立决策树模型以及模型评估。

1. 加载数据集

data(df14)

2. 数据预处理

# 删除无用变量
df14 <- df14[, -c(1, 2, 3)]

# 将分类变量转换为因子
df14$Class <- as.factor(df14$Class)

3. 划分训练集和测试集

set.seed(123)
train_index <- sample(nrow(df14), 0.7 * nrow(df14))
train_data <- df14[train_index, ]
test_data <- df14[-train_index, ]

4. 建立模型

# 安装和加载rpart包
install.packages('rpart')
library(rpart)

# 建立决策树模型
model <- rpart(Class ~ ., data = train_data, method = 'class')

5. 模型评估

# 预测测试集
pred <- predict(model, test_data, type = 'class')

# 计算混淆矩阵
library(caret)
confusionMatrix(pred, test_data$Class)