决策树和随机森林R语言2分类代码
时间: 2023-08-14 13:06:37 浏览: 53
好的,以下是一个简单的决策树和随机森林在R语言中进行2分类的代码示例:
决策树代码示例:
```R
# 导入数据集
data(iris)
# 安装和导入rpart包
install.packages("rpart")
library(rpart)
# 将Species列设置为因变量
iris$Species <- as.factor(iris$Species)
# 将数据集分为训练集和测试集
trainIndex <- sample(1:nrow(iris), 0.7*nrow(iris))
trainData <- iris[trainIndex,]
testData <- iris[-trainIndex,]
# 创建决策树模型
treeModel <- rpart(Species ~ ., data=trainData, method="class")
# 使用测试集进行预测
treePred <- predict(treeModel, testData, type="class")
# 计算预测准确率
treeAccuracy <- sum(treePred == testData$Species) / nrow(testData)
# 输出结果
cat("决策树预测准确率为:", treeAccuracy)
```
随机森林代码示例:
```R
# 导入数据集
data(iris)
# 安装和导入randomForest包
install.packages("randomForest")
library(randomForest)
# 将Species列设置为因变量
iris$Species <- as.factor(iris$Species)
# 将数据集分为训练集和测试集
trainIndex <- sample(1:nrow(iris), 0.7*nrow(iris))
trainData <- iris[trainIndex,]
testData <- iris[-trainIndex,]
# 创建随机森林模型
rfModel <- randomForest(Species ~ ., data=trainData, ntree=500)
# 使用测试集进行预测
rfPred <- predict(rfModel, testData)
# 计算预测准确率
rfAccuracy <- sum(rfPred == testData$Species) / nrow(testData)
# 输出结果
cat("随机森林预测准确率为:", rfAccuracy)
```
请注意,这只是一个简单的示例,实际应用中可能需要更多的数据预处理和调参才能取得更好的结果。