如何在R中为决策树模型创建增益图？

我在R中创建了一个决策树模型。目标变量是工资，我们试图根据其他输入变量预测一个人的工资是高于还是低于50k

df<-salary.data 

train = sample(1:nrow(df), nrow(df)/2)
train = sample(1:nrow(df), size=0.2*nrow(df))
test = - train
training_data = df[train, ]
testing_data = df[test, ]

fit <- rpart(training_data$INCOME ~ ., method="class", data=training_data)##generate tree
testing_data$predictionsOutput = predict(fit, newdata=testing_data, type="class")##make prediction

---

df如果您更改

predict(fit, newdata=testing_data, type="class")

到

增益图希望按模型概率排列顺序。
使用c（）将预测转换为向量

library（'rpart'））
图书馆（“ROCR”）
setwd（'C:\\Users\\John\\Google Drive\\working\\R\\questions'）
DF根据文档，
目前，ROCR只支持二进制分类。。。如果有两个以上不同的标签符号，执行将停止并显示错误消息。
在这种情况下，它是一种二进制分类，目标为>50k或OK。但是
prediction
的第二个参数必须只有两个值。
testing\u data$INCOME
是否只有两个值？是的，testing\u data$INCOME只有两个潜在值，要么>50k，要么您可以提供
工资。数据
？在你的问题中发布
dput（salary.data）
的输出，或者，如果太大，上传到某个地方并发布链接。谢谢John！那个转换函数很有用：）你们可能想看看插入符号包。这里有一个例子。。。。
  AGE          EMPLOYER     DEGREE             MSTATUS            JOBTYPE     SEX C.GAIN C.LOSS HOURS
1  39         State-gov  Bachelors       Never-married       Adm-clerical    Male   2174      0    40
2  50  Self-emp-not-inc  Bachelors  Married-civ-spouse    Exec-managerial    Male      0      0    13
3  38           Private    HS-grad            Divorced  Handlers-cleaners    Male      0      0    40

         COUNTRY INCOME
1  United-States  <=50K
2  United-States  <=50K
3  United-States  <=50K

predict(fit, newdata=testing_data, type="class")

predict(fit, newdata=testing_data, type="prob")

library('rpart')
library('ROCR')
setwd('C:\\Users\\John\\Google Drive\\working\\R\\questions')
df<-read.csv(file='salary-class.csv',header=TRUE)

train = sample(1:nrow(df), nrow(df)/2)
train = sample(1:nrow(df), size=0.2*nrow(df))
test = - train
training_data = df[train, ]
testing_data = df[test, ]

fit <- rpart(training_data$INCOME ~ ., method="class", data=training_data)##generate tree
testing_data$predictionsOutput = predict(fit, 
                                         newdata=testing_data, type="class")##make prediction

# Doesn't work
# pred <- prediction(testing_data$predictionsOutput, testing_data$INCOME)
v <- c(pred = testing_data$predictionsOutput)
pred <- prediction(v, testing_data$INCOME)
gain <- performance(pred,"tpr","fpr")
plot(gain, col="orange", lwd=2)