决策树是根据若干输入变量的值构造出一个适合的模型，以此来预测输出变量的值，并用树形结构展示出来。决策树主要有两个类别：分类树和回归树。分类树主要针对离散的目标变量，回归树则针对连续的目标变量。R语言中的rpart软件包既可以实现回归树，又可以实现分类树。

1 安装并加载rpart软件包。

install.packages("rpart")

library(rpart)

rpart()函数的基本形式为：

rpart(formula, data, weights, subset, na.action = na.rpart, method, model = FALSE, x = FALSE, y = TRUE, parms, control, cost, ...)

其中，formula为要建立模型的公式，一般格式为y~x1+x2+...+xn。当输入变量为除y以外的所有变量时，可简化为y~.来表示；data为训练数据集;subset可以帮助我们选出data中的若干行来建立模型；na.action为缺失值处理方式，默认删除缺失样本；method用于选择决策树的类型，主要有anova回归树、class分类树，另外还有exp、poisson;control中含有大量参数，与rpart.control一致，minsplit表示每个节点中所含样本数的最小值，minbucket表示每个叶节中所含样本数的最小值，cp表示复杂度参数，maxdepth表示节点层次的最大值。

2  读取数据集。

sz_data=read.csv("sz_data.csv",head=T,encoding="utf-8")

head(sz_data);dim(sz_data) #查看数据的前几行和数据维度

3  进行数据预处理。在实际应用中，如果数据有缺失值，需要先按照一定的方法先对缺失值进行处理。这里我们直接划分训练集和测试集，并且随机抽取70%的样本作为训练集。

n=0.7*nrow(sz_data) #作为训练集的样本量

sub_train=sample(nrow(sz_data),n)#随机抽取n个样本

data_train=sz_data[sub_train,-1]#训练集

data_test=sz_data[-sub_train,-1]#测试集

head(data_train);dim(data_train)

head(data_test);dim(data_test)

4  由于数据集的目标变量是离散变量，因此选择method="class"。本例中的节点层次的最大值设为2，参数的优劣可根据后面计算的错误率反复验证。

rp_fit1=rpart(is_rise~.,data_train,method="class",maxdepth=2,minsplit=10)#建立分类树

summary(rp_fit1)

print(rp_fit1)#导出决策树的表格

结果显示根节点共有294个样本，即全部训练数据集。"2)"和"3)"以"Opening"变量为节点，将样本分为两支，分别是8、286个样本。

5  绘制决策树图形。这里调整了参数，在图形中做一些对比。

rp_fit2=rpart(is_rise~.,data_train,method="class",maxdepth=3,minsplit=10) #建立分类树2

par(mfrow = c(1,2), xpd = NA)

plot(rp_fit1)

text(rp_fit1,use.n=TRUE)

plot(rp_fit2)

text(rp_fit2,use.n=TRUE)

6  验证模型的准确性。

#对测试集预测目标变量

pre_is_rise=predict(rp_fit1,data_test,type="class")

pre_is_rise

#计算错误率

error_rp=sum(pre_is_rise!=data_test$is_rise)/nrow(data_test);error_rp

实际应用中，对参数、输入变量等进行调整，可增加准确度。

欢庆双节