R語言數(shù)據(jù)分析與挖掘（微課版） 習題及答案 chapter10

判斷題分類和回歸都可用于預測，分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數(shù)值。（對）A．對B.錯分類模型的誤差大致分為兩種：訓練誤差（trainingerror）和泛化誤差（generalizationerror）。（對）A．對B.錯在決策樹中，隨著樹中結點數(shù)變得太大，即使模型的訓練誤差還在繼續(xù)減低，但是檢驗誤差開始增大，這是出現(xiàn)了模型擬合不足的問題。（錯）A．對B.錯多選題決策樹包含以下哪些節(jié)點（ABD）根結點（rootnode)內(nèi)部結點（internalnode）外部結點（externalnode）葉結點（leafnode）以下關于決策樹的說法是正確的有（ABD）冗余屬性不會對決策樹的準確率造成不利的影響冗余屬性不會對決策樹的準確率造成不利的影響決策樹算法對于噪聲的干擾非常敏感尋找最佳決策樹是NP完全問題上機題數(shù)據(jù)集（cs-training.csv）是從kaggle（/c/GiveMeSomeCredit/data）上下載的“givemesomecredit”信用比賽的原始數(shù)據(jù)。此數(shù)據(jù)集包含了15萬行的數(shù)據(jù)，一共有11個指標，其中SeriousDlqin2yrs為借款人是否逾期的指標，而剩下的10個指標為本項目用來判斷借款人是否逾期的因變量。請利用此數(shù)據(jù)集構建個人信用評估相關機器學習模型，要求如下：變量MonthlyIncome、NumberOfDependents存在缺失值，請利用中位數(shù)對缺失值進行替換。剔除變量age為0的樣本，且剔變量NumberOfTime30-59DaysPastDueNotWorse、NumberOfTimes90DaysLate和NumberOfTime60-89DaysPastDueNotWorse最大的兩個值。按照變量SeriousDlqin2yrs進行等比例分區(qū)，50%作為訓練集、50%作為測試集。分別使用C5.0算法、CART算法、條件推理決策樹算法構建決策樹模型，并對比各自在測試集上的預測效果。參考答案：#數(shù)據(jù)的獲取和整合#導入數(shù)據(jù)traindata<-read.csv("data/cs-training.csv")#剔除id列traindata<-traindata[,-1]#對變量重命名colnames(traindata)<-c('y',paste0("x",1:10))#缺失值處理library(mice)library(VIM)md.pattern(traindata)aggr(traindata,prop=F,numvers=T)#中位數(shù)的缺失值替換法library(caret)imputation_m<-preProcess(traindata,method="medianImpute")traindata<-predict(imputation_m,newdata=traindata)md.pattern(traindata)#異常值分析及處理unique(traindata$x2)#刪除x2（年齡）為0的樣本traindata<-traindata[!traindata$x2==0,]#查看x3、x7、x9三個變量的箱線圖par(mfrow=c(1,3))for(iinc(4,8,10)){boxplot(traindata[,i],col=i,main=colnames(traindata)[i])}par(mfrow=c(1,1))#剔除最大的兩個值for(iinc(4,8,10)){x<-sort(traindata[,i],decreasing=T)x<-data.frame(table(x))x<-x[sort(x$x,decreasing=T),]x<-x[1:2,1]traindata<-traindata[!traindata[,i]%in%x,]}#數(shù)據(jù)分區(qū)prop.table(table(traindata$y))library(caret)splitIndex<-createDataPartition(traindata$y,times=1,p=0.5,list=FALSE)train<-traindata[splitIndex,]test<-traindata[-splitIndex,]prop.table(table(train$y))prop.table(table(test$y))###決策樹####C5.0算法if(!require(C50))install.packages("C50")train$y<-as.factor(train$y)C5.0.model<-C5.0(y~.,data=train)summary(C5.0.model)#對訓練集數(shù)據(jù)進行預測，并查看效果train.predict<-predict(C5.0.model,newdata=train)(a<-table(actual=train$y,predict=train.predict))sum(diag(a))/sum(a)#對測試集數(shù)據(jù)進行預測，并查看效果test$y<-as.factor(test$y)test.predict<-predict(C5.0.model,newdata=test)(b<-table(actual=test$y,predict=test.predict))sum(diag(b))/sum(b)#得到預測概率值b<-predict(C5.0.model,newdata=train,type="prob")#CART算法library(rpart)(rpart.model<-rpart(y~.,data=train))plot(rpart.model)text(rpart.model)library(rpart.plot)rpart.plot(rpart.model)train.predict<-predict(rpart.model,newdata=train,type="class")(a<-table(actual=train$y,predict=train.predict))sum(diag(a))/sum(a)test.predict<-predict(rpart.model,newdata=test,type="class")(b<-table(actual=test$y,prdict=test.predict))sum(diag(b))/sum(b)#條件推理決策樹算法library(party)ctree.model<-ctree(y~.,data=train)train.predict<-predict(ctree.model,newdata=train,type="response")(a<-table(actual=train$y,predict=train.predict