我可以建立N个模型和预测吗 让我们考虑数据集是一个银行（预测贷款），它包含以下属性。< /P> > names(univ2) [1] "age" "inc" "family" "edu" "mortgage" "ccavg" "cc" "cd" "online" "securities" "infoReq" "loan"

我已将几乎所有属性转换为因子，其余属性使用离散化函数进行转换，即age、inc、ccavg和mortgage。然后将这些变量转换为因子，以便将其传递给决策树算法

age <- discretize(univ2$age, disc="equalfreq", nbins=10) 
age=as.factor(age$X)

这里的问题是，是否有任何方法可以使用函数（或其他方法）对列车数据进行建模，并使用上述8P4的bin排列预测列车、测试、评估数据，并将输出存储在由6个属性组成的数据帧中

1 ID                 : 1:1680
2 Bin Arrangement on (Age,Inc,CCavg,Mortgae) : (5,5,5,5)...........(10,11,12,5)
3 TrainAccuracy      : %'s
4 TestAccuracy       : %'s
5 EvaluationAccuracy : %'s
6 Is Test>Train      : 0 if does not satisfies, 1 if satisfies

如果我在安排上有错误和其他错误，请纠正我

---

有什么方法可以解决这个问题吗？

您可以使用simple for loop来完成此操作，并将一个循环运行的结果绑定到数据框中，比如说

result

。正如@abhiieor所提到的，您可以使用该循环将每次运行保存在一个数据框中，并且所有数据框都可以添加到一个列表中。顺便说一下，最好保持数值变量不变，因此您的树方法可以决定最佳分割。

Recall in Training 91.26027 
Recall in Testing 94.11765 
Recall in Evaluation 93.37209

1 ID                 : 1:1680
2 Bin Arrangement on (Age,Inc,CCavg,Mortgae) : (5,5,5,5)...........(10,11,12,5)
3 TrainAccuracy      : %'s
4 TestAccuracy       : %'s
5 EvaluationAccuracy : %'s
6 Is Test>Train      : 0 if does not satisfies, 1 if satisfies