R 决策树

我的目的是使用ctree R包根据一些训练集对数据集进行分类。我无法理解参数公式和数据应该是什么

features <- c("c1", "c2", "c3", "c4", "c5","s1","s2","s3","s4","s5","class")
t1 <- data.frame(t(apply(a[features], 1, function(c) {
x <- rep(0,14)
for(i in 1:5) {
x[c[[paste("c", i, sep="")]]] <- x[c[[paste("c", i, sep="")]]] + 1
}
x[14]= c[11]
x
})))

library (rpart)
tree.1 <- rpart(t1$class ~ class,      method="class",data=t1,control=rpart.control(minsplit=10,cp=0))
plot(tree.1)
pred <- predict(tree.1, newdata=t2)
library(caret)
table(pred=pred, true=t2$class)

---

features
t1
从何而来？你在这里使用的
data.frame
的名称是什么？顺便问一下。我在上面的代码中添加了t1，我想根据我的输入数据来训练树，它被转换成13个变量+样本的类。