rpert를 사용하여 선택 기능에 oneSE 옵션을 사용하여 캐럿 패키지 내에서 회귀 분석을 실행합니다. 내가 할 때, 나는 종종 분할이없는 모델로 끝납니다. 어떤 모델도 어떤 모델보다 우수 할 것 같지 않습니다. 이 일이 일어나야합니까? 난 그냥 직접에서 모델을 실행하는 경우, Variables actually used in tree constructio
rpart의 수식을 준비하려면 목록의 열 이름을 연결 하시겠습니까? 이름 (log_data)을 연결하려는 경우 log_data은 60 개의 벡터로 구분되는 벡터 목록이므로 원하는 열의 이름을 형식으로 입력하여 rpart의 수식에 넣을 수 있습니다. .. rpart(A ~ B + C + D + E ,log_data)처럼 여기에서 나는 A, B, C, D, E
내 트리에 정보를 추가하고 싶습니다. 나는 나무를 실행할 수 있습니다 library(rpart)
library(rpart.plot)
set.seed(1)
mydb<-data.frame(results=rnorm(1000,0,1),expo=runif(1000),var1=sample(LETTERS[1:4],1000,replace=T),
var
R 소프트웨어와 rpart 패키지로 의사 결정 트리를 만들어야합니다. 제 논문에서 ID3 알고리즘을 먼저 정의하고 다양한 의사 결정 트리를 구현해야합니다. rpart 패키지가 ID3 알고리즘과 작동하지 않는다는 것을 알게되었습니다. 그것은 CART 알고리즘을 사용합니다. 차이점을 이해하고 제 논문의 차이점을 설명하고 싶습니다. 그러나 양면을 비교 한 문헌을
몇 가지 변수를 기반으로 1 마리의 조류 종의 존재 여부를 예측하는 분류 트리를 만들고 싶습니다. rpart가 단일 변수 파티셔닝을 처리하고 mvpart가 다중 변수 파티셔닝을 처리하지만,보다 유연한 출력 때문에 mvpart를 하나의 변수 트리에 사용하고 싶습니다. 아무도 내가 이것을해서는 안되는 이유를 알고 있습니까? 분할이 똑같은 입력으로 rpart와
현재 Coursera에서 "Practical Machine Learning"과정을 진행하고 있으며 예측 기능으로 이상한 동작을 수행하고 있습니다. 질문 된 질문은 나무를 훈련시키고 몇 가지 예언을하는 것입니다. 그래서 여기에 답변을 게시하지 않고 문제에 사용 된 데이터 집합을 변경했습니다. 코드는 다음과 같습니다 : rm(list = ls())
libra
저는 CART 알고리즘에 기반한 의사 결정 트리를 구현하고 있습니다. 이제 데이터를 분류 할 수는 있지만 데이터를 분류하는 것만이 아닙니다. 최종 노드에서 올바른 분류의 가능성을 원합니다. 예를 들면. 나는 클래스 A와 B의 데이터를 포함하는 데이터 세트를 가지고 있습니다. 어떤 클래스의 인스턴스를 내 트리에 넣을 때 인스턴스가 클래스 A와 클래스 B에 속
Matlab의 TreeBagger를 처음 사용했습니다. 나는 TreeBagger (랜덤 포레스트)를 배우기 위해 2 가지 간단한 경우를 고안했다. 가정 독립 변수 Z이다 첫번째 경우 1 변수 : x = [1 1 1 1 2 1 2 2 2 2 1 2];
번째 경우 : z = {'hi';'hi';'hi';'hi';'hi';'hi';'low';'low';'lo
많은 R 모델이 "가중치"매개 변수 (예 : 장바구니, 황토, gam ... 등)를 허용합니다. 대부분의 도움말 기능은 데이터를 "이전 가중치"로 설명하지만 실제로 의미하는 것은 무엇입니까? 데이터가 반복되는 경우가 많으며 이진 응답이 있습니다. 입력 및 응답의 각 조합이 몇 번이나 발생 하는지를 인코딩하기 위해 "가중치"를 사용할 수 있기를 바랬지 만 작