R 如何从决策树计算错误率？

有人知道如何用R计算决策树的错误率吗？

---

我正在使用

rpart（）

函数。

假设您的意思是计算用于拟合模型的样本的错误率，您可以使用

printcp（）

。例如，使用在线示例

> library(rpart)
> fit <- rpart(Kyphosis ~ Age + Number + Start, data=kyphosis)
> printcp(fit)

Classification tree:
rpart(formula = Kyphosis ~ Age + Number + Start, data = kyphosis)

Variables actually used in tree construction:
[1] Age   Start

Root node error: 17/81 = 0.20988

n= 81 

        CP nsplit rel error  xerror    xstd
1 0.176471      0   1.00000 1.00000 0.21559
2 0.019608      1   0.82353 0.82353 0.20018
3 0.010000      4   0.76471 0.82353 0.20018

0.82353 x 0.20988=0.1728425（17.2%）是交叉验证的错误率（使用10倍CV，请参见

rpart.control（）

中的

xval

；但也请参见

xpred.rpart（）

和

plotcp（）

，它们依赖于这种测量）。这是一个更客观的预测准确性指标

请注意，它或多或少与

树中的分类精度一致：

> library(tree)
> summary(tree(Kyphosis ~ Age + Number + Start, data=kyphosis))

Classification tree:
tree(formula = Kyphosis ~ Age + Number + Start, data = kyphosis)
Number of terminal nodes:  10 
Residual mean deviance:  0.5809 = 41.24 / 71 
Misclassification error rate: 0.1235 = 10 / 81 

其中，
误分类错误率
是根据训练样本计算的

> library(tree)
> summary(tree(Kyphosis ~ Age + Number + Start, data=kyphosis))

Classification tree:
tree(formula = Kyphosis ~ Age + Number + Start, data = kyphosis)
Number of terminal nodes:  10 
Residual mean deviance:  0.5809 = 41.24 / 71 
Misclassification error rate: 0.1235 = 10 / 81