Il modo pi\u00f9 semplice per tracciare un albero decisionale in R \u00e8 utilizzare la funzione prp()<\/strong> dal pacchetto rpart.plot<\/strong> .<\/span><\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Per questo esempio utilizzeremo il set di dati Hitters<\/strong> del pacchetto ISLR<\/strong> , che contiene varie informazioni su 263 giocatori di baseball professionisti.<\/span><\/p>\n Utilizzeremo questo set di dati per costruire un albero di regressione che utilizza i fuoricampo e gli anni giocati per prevedere lo stipendio di un determinato giocatore.<\/span><\/p>\n Il codice seguente mostra come adattare questo albero di regressione e come utilizzare la funzione prp()<\/strong> per disegnare l’albero:<\/span> <\/p>\n Tieni presente che possiamo anche personalizzare l’aspetto dell’albero decisionale utilizzando gli argomenti faclen<\/strong> , extra<\/strong> , roundint<\/strong> e digits<\/strong> nella funzione prp<\/strong> ():<\/span> <\/p>\n Possiamo vedere che l’albero ha sei nodi terminali.<\/span><\/p>\n Ciascun nodo terminale mostra lo stipendio previsto dei giocatori in quel nodo nonch\u00e9 il numero di osservazioni del set di dati originale che appartengono a quella valutazione.<\/span><\/p>\n Ad esempio, possiamo vedere che nel set di dati originale c’erano 90 giocatori con meno di 4,5 anni di esperienza e il loro stipendio medio era di $ 225,83.000<\/strong> .<\/span> <\/p>\n Possiamo anche utilizzare l’albero per prevedere lo stipendio di un determinato giocatore in base ai suoi anni di esperienza e ai fuoricampo medi.<\/span><\/p>\n Ad esempio, un giocatore che ha 7 anni di esperienza e 4 fuoricampo in media ha uno stipendio previsto di $ 502,81k<\/strong> .<\/span> <\/p>\n Questo \u00e8 uno dei vantaggi dell\u2019utilizzo di un albero decisionale: possiamo facilmente visualizzare e interpretare i risultati.<\/span><\/p>\n Le seguenti esercitazioni forniscono informazioni aggiuntive sugli alberi decisionali:<\/span><\/p>\n Un’introduzione alla classificazione e agli alberi di regressione<\/a> Nell’apprendimento automatico , un albero decisionale \u00e8 un tipo di modello che utilizza un insieme di variabili predittive per creare un albero decisionale che predice il valore di una variabile di risposta. Il modo pi\u00f9 semplice per tracciare un albero decisionale in R \u00e8 utilizzare la funzione prp() dal pacchetto rpart.plot . L’esempio seguente mostra […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio: disegnare un albero decisionale in R<\/strong><\/span><\/h2>\n
library<\/span> (ISLR)\nlibrary<\/span> (rpart)\nlibrary<\/span> (rpart.plot)\n\n#build the initial decision tree\n<\/span>tree <- rpart(Salary ~ Years + HmRun, data=Hitters, control=rpart. control<\/span> (cp= .0001<\/span> ))\n<\/span><\/span><\/strong>\n<\/span>#identify best cp value to use\nbest <- tree$cptable[which. min<\/span> (tree$cptable[,\" xerror<\/span> \"]),\" CP<\/span> \"]\n\n#produce a pruned tree based on the best cp value\n<\/span>pruned_tree <- prune<\/span> (tree, cp=best)\n\n#plot the pruned tree\n<\/span>prp(pruned_tree)\n<\/span><\/span><\/span><\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/decision1.jpg\")
<\/p>\n #plot decision tree using custom arguments<\/span>\nprp(pruned_tree,\n faclen= 0<\/span> , #use full names for factor labels<\/span>\n extra= 1<\/span> , #display number of observations for each terminal node<\/span>\n roundint= F<\/span> , #don't round to integers in output<\/span>\n digits= 5<\/span> ) #display 5 decimal places in output<\/span><\/span><\/span><\/span><\/strong> <\/pre>\n![\"disegnare](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/decision2.jpg\")
<\/p>\n![\"Interpretazione](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/arbre4.png\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/arbre5.png\")
<\/p>\n Risorse addizionali<\/span><\/strong><\/span><\/h2>\n
Albero decisionale vs foreste casuali: qual \u00e8 la differenza?<\/a>
Come adattare gli alberi di classificazione e regressione in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"