決策樹 Decision Trees

• 以樹狀來表達資料流 (tree-based) 的一種監督式機器學習(supervised machine learning)演算法。

• 使用分治法 (divide and conquer)：讓資料從樹根 (root) 開始，根據特定條件選擇最佳的分支屬性，而在每個節點形成分支，直到所有資料都被指定到葉節點 (leaf node) 為止。

考量

• 訓練資料愈多愈好。

• 可選擇的變數愈多愈好。

• 好的決策樹應該精簡，只預測最少數量的問題。

製作決策樹有不同考量，依照以下作法不同，而有不同的演算法，如 C5, CART,CHAID等。

• 分支判準 splitting criteria

• 停止條件

• 修剪時機

# Import required library
library('rpart')

# Fitting model (growing tree)
fit <- rpart(y_train ~ ., data = x, method="class")
summary(fit)

# Predict Output
predicted <- predict(fit, x_test)