1.理解回归树和模型树
决策树用于数值预测：
- 回归树：基于到达叶节点的案例的平均值做出预测，没有使用线性回归的方法。
- 模型树：在每个叶节点，根据到达该节点的案例建立多元线性回归模型。因此叶节点数目越多，一颗模型树越大，比同等回归树更难理解，但模型可能更精确。
将回归加入到决策树：
分类决策树中，一致性（均匀性）由熵值来度量；数值决策树，则通过统计量（如方差、标准差或平均绝对偏差等）来度量。
标准偏差减少SDR：一个常见的分割标准。
比如计算特征A和特征B的SDR分别为1.2和1.4，即特征B标准差减少得更多（更加均匀），所以首先使用特征B，这就是回归树。而模型树则需要再建立一个结果相对于特征A的线性回归模型，然后根据两个线性模型中的任何一个为新的案例做出预测。
2.回归树和模型树应用示例
葡萄酒质量评级
1）收集数据
白葡萄酒数据包含4898个葡萄酒案例的11种化学特征的信息（如酸性/含糖量/pH/密度等，还包含一列质量等级）。
数据下载：
链接: https://pan.baidu.com/s/1pN_PtZOYjOz2I-KJqSq6pw 提取码: 6swg
2）探索和准备数据
## Step 2: Exploring and preparing the data ----
wine <- read.csv("whitewines.csv")
# examine the wine data
str(wine)
# the distribution of quality ratings
hist(wine$quality)
# summary statistics of the wine data
summary(wine)
wine_train <- wine[1:3750, ]
wine_test <- wine[3751:4898, ]
3）训练数据
## Step 3: Training a model on the data ----
# regression tree using rpart
library(rpart)
m.rpart <- rpart(quality ~ ., data = wine_train)
# get basic information about the tree
m.rpart
# get more detailed information about the tree
summary(m.rpart)
# use the rpart.plot package to create a visualization
library(rpart.plot)
# a basic decision tree diagram
rpart.plot(m.rpart, digits = 3)
# a few adjustments to the diagram
rpart.plot(m.rpart, digits = 4, fallen.leaves = TRUE, type = 3, extra = 101)
alcohol是决策树种第一个使用的变量，所以它是葡萄酒质量种唯一最重要的指标。
4）评估模型
①预测值与真实值的范围以及相关性
②用平均绝对误差度量性能
平均绝对误差MAE：考虑预测值离真实值有多远
## Step 4: Evaluate model performance ----
# generate predictions for the testing dataset
p.rpart <- predict(m.rpart, wine_test)
# compare the distribution of predicted values vs. actual values
summary(p.rpart)
summary(wine_test$quality)
# compare the correlation
cor(p.rpart, wine_test$quality)
# function to calculate the mean absolute error
MAE <- function(actual, predicted) {
mean(abs(actual - predicted))
}
# mean absolute error between predicted and actual values
MAE(p.rpart, wine_test$quality)
# mean absolute error between actual values and mean value
mean(wine_train$quality) # result = 5.87
MAE(5.87, wine_test$quality)
5）提高模型性能
回归树在叶节点进行预测时只使用了一个单一的值，模型树可以通过回归树模型取代叶节点来改善回归树。
- M5\'算法（M5-prime）：
RWeka::M5P函数
## Step 5: Improving model performance ----
# train a M5\' Model Tree
library(RWeka)
m.m5p <- M5P(quality ~ ., data = wine_train)
# display the tree
m.m5p
# get a summary of the model\'s performance
summary(m.m5p)
# generate predictions for the model
p.m5p <- predict(m.m5p, wine_test)
# summary statistics about the predictions
summary(p.m5p)
# correlation between the predicted and true values
cor(p.m5p, wine_test$quality)
# mean absolute error of predicted and true values
# (uses a custom function defined above)
MAE(wine_test$quality, p.m5p)
分割与回归树相似，但节点不是以一个数值预测终止，而是以一个线性模型终止（LM1，LM2...LM163）
模型树的预测范围、相关性、平均绝对误差比回归树都有所改善。
PS：回归树和模型树的结果比较费解，这篇推文解读有点简单
机器学习与R语言系列推文汇总：
【机器学习与R语言】1-机器学习简介
【机器学习与R语言】2-K近邻（kNN）
【机器学习与R语言】3-朴素贝叶斯（NB）
【机器学习与R语言】4-决策树
【机器学习与R语言】5-规则学习
【机器学习与R语言】6-线性回归
【机器学习与R语言】7-回归树和模型树
【机器学习与R语言】8-神经网络
【机器学习与R语言】9-支持向量机
【机器学习与R语言】10-关联规则
【机器学习与R语言】11-Kmeans聚类
【机器学习与R语言】12-如何评估模型的性能？
【机器学习与R语言】13-如何提高模型的性能？
请发表评论