机器学习——决策树

1 自行寻找在R中实现bagging和adaboost的包，然后分别用来对iris数据集进行分类观察效果

install.packages("ipred")
install.packages("adabag")

library(ipred)
model.bagging=bagging(Species~.,data=iris,)
pre.bagging=predict(model.bagging,iris)
table(pre.bagging,iris$Species)           

library(adabag)
model.boosting=boosting(Species~.,data=iris)
pre.boosting=predict(model.boosting,iris)
pre.boosting$confusion
pre.boosting$error

2 使用rpart包建立其内置的kyphosis数据集（其内容意义可以参考rpart的介绍文档）的决策树模型，使用rpart.plot包画出该模型的决策树

install.packages("rpart.plot")
install.packages("rpart")
library(rpart)
library(rpart.plot)
fit=rpart(Kyphosis~.,data=kyphosis,method = "class")
rpart.plot(fit,branch = 0,branch.type=0,type=1,extra=102)

3 试用随机森林算法对上述kyphosis数据集构建分类器并观察结果

library(randomForest)
model.forest=randomForest(Kyphosis~.,data=kyphosis)
pre.forest=predict(model.forest,kyphosis)
table(pre.forest,kyphosis$Kyphosis)