超级会员免费看
本文介绍了R语言中用于构建决策树的几种方法，包括ID3、C4.5、CART和条件推断决策树，并强调了决策树在处理非参数统计、多重共线性以及小样本多变量问题时的优势，特别适合可视化复杂的交互作用。
决策树
适用于分类型独立变量
决策树函数
- ID3：information entropy 信息熵
- C4.5：information gain ratio 信息增益比
- CART：gini index 基尼系数
- Conditional inference decision tree: Chi-square test 条件推断决策树（原理是卡方检验）
优势
- non-parametric 非参数统计
- multicollinearity 多重共线性
- small N large P 小样本多变量
- visualization of multiple complex interactions 可视化
library(party)
library(caret
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
