首页 > 美文鉴赏

r语言决策树模型建立可视化混淆矩阵roc曲线

更新时间:2023-07-17 16:08:10 阅读：评论：0

r语⾔决策树模型建⽴可视化混淆矩阵roc曲线

library(rpart)

library(rattle)

library(rpart.plot)

笔记本电脑键盘library(RColorBrewer)

t.ed(1234)#随机抽样设置种⼦

train<-sample(nrow(d1),0.8*nrow(d1))#抽样函数，第⼀个参数为向量，nrow()返回⾏数后⾯的是抽样参数前

tdata<-d1[train,]#根据抽样参数列选择样本，都好逗号是选择⾏

vdata<-d1[-train,]#删除抽样⾏

#tdata为训练数据集

#vdata为测试数据集

>>## 决策树建模

fit <- rpart(dta.bmi分类~家族肥胖始+你多久活动⼀次⾝体+

沁园春雪翻译你两餐中间吃东西吗+

⼀天吃⼏顿饭+吃饭时是否经常吃青菜+是否经常吃⾼卡路⾥⾷物,

data=tdata,

method="class",l(minbucket=60,cp=0.000000125))

fit2 <- rpart(dta.bmi分类~家族肥胖始+你多久活动⼀次⾝体+

你两餐中间吃东西吗+

⼀天吃⼏顿饭+是否经常吃⾼卡路⾥⾷物,

data=tdata,

method="class")

fancyRpartPlot(tree)

tree<-prune(fit,cp=fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"])

>>###怠速高

>>##画图

fancyRpartPlot(fit2,sub="剪枝前")

甲亢注意事项fancyRpartPlot(fit,sub="剪枝后")

rpart.plot(fit2,branch=1, type=4,fallen.leaves=T,cex=0.8, sub="剪枝前")####重要

rpart.plot(fit,branch=1, type=4,fallen.leaves=T,cex=0.8, sub="剪枝后")####重要计算机专业英语

>>#

宗桑>#检验正确率

predtree<-predict(fit,newdata=vdata,type="class")#利⽤预测集进⾏预测

table(vdata$dta.bmi分类,predtree,dnn=c("真实值","预测值"))#输出混淆矩阵

>>>#

predtree_v<-predict(fit,newdata=vdata,type="class")

t<-data.frame(predtree_v,vdata$dta.bmi分类)

##正常范围1

#肥胖 0

p_t<-t$predtree_v

r_t<-t$vdata1.bmi分类

library(pROC)

思想政治素质评价modelroc <- roc(p_t,r_t)

plot(modelroc, print.auc=TRUE, auc.polygon=TRUE,legacy.axes=TRUE, grid=c(0.1,0.2),

革命烈士有哪些人

l="skyblue", print.thres=TRUE)

plot(modelroc,print.auc=TRUE,auc.polygon=TRUE,grid=c(0.1,0.2),l=c("green","red"),max.auc.polygon=TRUE,l="skyblue",print.thres= TRUE)

`肥胖正常范围

肥胖2819正常范围1249

本文发布于:2023-07-17 16:08:10，感谢您对本站的认可！

本文链接：https://www.wtabcd.cn/fanwen/fan/89/1085273.html

上一篇：IEEE介绍

下一篇：人体主要动脉中英文名称

标签：抽样是否参数混淆可视化

留言与评论（共有 0 条评论）