R语言决策树实现

@[toc]

决策树

适用于分类型独立变量

决策树函数

1. ID3：information entropy 信息熵
2. C4.5：information gain ratio 信息增益比
3. CART：gini index 基尼系数
4. Conditional inference decision tree: Chi-square test 条件推断决策树（原理是卡方检验）

优势

1. non-parametric 非参数统计
2. multicollinearity 多重共线性
3. small N large P 小样本多变量
4. visualization of multiple complex interactions 可视化

library(party)
library(caret)

tree<-ctree(Dative ~ ReciAnim + ReciAcc + ThemeAcc + ReciPron+ ThemePron + LengthDiff, data = data)
plot(tree)

confusionMatrix(table(predict(tree),data$Dative))
#混淆矩阵