R决策树：使用rpart构建分类树

学习使用rpart包构建决策树模型，进行数据分类与可视化。 · 难度：入门 · +15XP

决策树简介

决策树通过递归划分数据，生成树状结构，每个节点对应一个特征判断，叶子节点输出类别（分类）或数值（回归）。直观、可解释性强。

1. 安装与加载rpart

library(rpart)
library(rpart.plot)

2. 构建决策树

data(iris)
tree <- rpart(Species ~ ., data = iris, method = 'class')
print(tree)

3. 可视化树

rpart.plot(tree, extra = 104, under = TRUE, cex = 0.8)

4. 预测与评估

pred <- predict(tree, iris, type = 'class')
confusion <- table(Predicted = pred, Actual = iris$Species)
print(confusion)
accuracy <- sum(diag(confusion)) / sum(confusion)
print(paste('Accuracy:', round(accuracy, 3)))

练习提示：使用rpart对mtcars数据集构建回归树（预测mpg），并绘制树图。