R言語各種組合せアルゴリズム一覧表
2245 ワード
一、意思決定ツリー(rpartパッケージ)
結果tree setosa versicolor virginica setosa 50 0 0 versicolor 0 49 5 virginica 0 1 45
二、bagging(組合せアルゴリズム、ipredパッケージ)
結果Bagging classification trees with 25 bootstrap replications Call:bagging.data.frame(formula = Species ~ ., data = iris, coob = T)Out-of-bag estimate of misclassification error: 0.0667 pre.bagging setosa versicolor virginica setosa 50 0 0 versicolor 0 50 0 virginica 0 0 50
三、adaboosting(アップグレードアルゴリズムadabagパッケージ)
結果Observed ClassPredicted Class setosa versicolor virginica setosa 50 0 versicolor 0 50 virginica 0 50
四、ランダム森林
結果forest setosa versicolor virginica setosa 50 0 0 versicolor 0 50 0 virginica 0 0 50
五、決定木作図(rpart.plot)
library(rpart)
mod.tree <- rpart(Species~.,data=iris,method="class")
pre.tree <- predict(mod.tree,data=iris,type="class")
table(pre.tree,iris$Species)
結果tree setosa versicolor virginica setosa 50 0 0 versicolor 0 49 5 virginica 0 1 45
二、bagging(組合せアルゴリズム、ipredパッケージ)
library(ipred)
help(bagging)
mod <- bagging(Species~.,data=iris,coob=T)
print(mod)
pre.bagging <- predict(mod,iris)
table(pre.bagging,iris$Species)
結果Bagging classification trees with 25 bootstrap replications Call:bagging.data.frame(formula = Species ~ ., data = iris, coob = T)Out-of-bag estimate of misclassification error: 0.0667 pre.bagging setosa versicolor virginica setosa 50 0 0 versicolor 0 50 0 virginica 0 0 50
三、adaboosting(アップグレードアルゴリズムadabagパッケージ)
library(adabag)
help(boosting)
iris.adaboost <- boosting(Species~., data=iris, boos=TRUE, mfinal=10)
pre.adaboost <- predict(iris.adaboost,iris)
pre.adaboost
結果Observed ClassPredicted Class setosa versicolor virginica setosa 50 0 versicolor 0 50 virginica 0 50
四、ランダム森林
library(randomForest)
mod.forest <- randomForest(Species~.,data=iris)
pre.forest <- predict(mod.forest,iris)
table(pre.forest,iris$Species)
結果forest setosa versicolor virginica setosa 50 0 0 versicolor 0 50 0 virginica 0 0 50
五、決定木作図(rpart.plot)
fit <- rpart(Kyphosis~Age + Number + Start,
data=kyphosis, method="class",control=ct,
parms = list(prior = c(0.65,0.35), split = "information"));
##
par(mfrow=c(1,3));
plot(fit);
text(fit,use.n=T,all=T,cex=0.9);
## ,
library(rpart.plot);
rpart.plot(fit, branch=1, branch.type=2, type=1, extra=102,
shadow.col="gray", box.col="green",
border.col="blue", split.col="red",
split.cex=1.2, main="Kyphosis ");