R语言决策树模型的交叉验证代码

下面是使用R语言中caret包进行决策树模型的交叉验证代码：

首先，加载需要的包和数据集：

library(caret)
data(iris)

然后，将数据集分成训练集和测试集：

set.seed(123)
trainIndex <- createDataPartition(iris$Species, p = 0.8, list = FALSE)
train <- iris[trainIndex, ]
test <- iris[-trainIndex, ]

接着，定义决策树模型和交叉验证函数：

ctrl <- trainControl(method = "cv", number = 10)
model <- train(Species ~ ., data = train, method = "rpart", trControl = ctrl)

其中，trainControl函数中的method参数指定交叉验证的方法，number参数指定交叉验证的次数。

最后，使用测试集对模型进行评估：

predict <- predict(model, test)
confusionMatrix(predict, test$Species)

confusionMatrix函数用于生成混淆矩阵，评估模型的预测效果。