在R
我正在使用R中的C50软件包。该算法通过可定制的试验次数训练增强的决策树,我希望预测每个试验的结果 该软件包有一个“预测”算法,但它只预测所有试验,或使用前n个试验进行预测。然而,它不允许单独预测每个试验 我发现解决这个问题的一个方法是执行以下操作:在R,r,decision-tree,predict,R,Decision Tree,Predict,我正在使用R中的C50软件包。该算法通过可定制的试验次数训练增强的决策树,我希望预测每个试验的结果 该软件包有一个“预测”算法,但它只预测所有试验,或使用前n个试验进行预测。然而,它不允许单独预测每个试验 我发现解决这个问题的一个方法是执行以下操作: #加载库 图书馆(C50) 图书馆(党) 图书馆(rpart) #加载数据 数据(客户流失) #四次以上试验的列车模型 种子(10) 树模型 #Load libraries library(C50) library(party) library(
#加载库
图书馆(C50)
图书馆(党)
图书馆(rpart)
#加载数据
数据(客户流失)
#四次以上试验的列车模型
种子(10)
树模型
#Load libraries
library(C50)
library(party)
library(rpart)
#Load data
data(churn)
#Train model with more four trials
set.seed(10)
tree.model <- C5.0(x = churnTrain[, -20],
y = churnTrain$churn,
trials = 4,
control = C5.0Control(noGlobalPruning = TRUE,
earlyStopping=FALSE))
#Convert each trial to a separate a class party object
A <- list()
for (i in 1: tree.model$trials["Actual"]){
A[[i]]<-partykit::as.party(tree.model,trial=i-1)
}
#Predict the outcome of each separate trial
Z <- list()
for (i in 1: tree.model$trials["Actual"]){
Z[[i]]<-predict(A[[i]],churnTest[,-20], type = "prob")
print(Z[[i]][1,])
}
formula2 <- churn ~ .
set.seed(10)
tree.model <- C5.0(formula2,
data=churnTrain,
trials = 4,
control = C5.0Control(noGlobalPruning = TRUE,
earlyStopping=FALSE))
z1<-partykit::as.party(tree.model,trial=1)
Error in `[.data.frame`(mf, rsp) : undefined columns selected