2.2决策树模型的建立与分析

决策树是一种树形结构，在机器学习中，属于监督学习，监督学习是给定样本，每个样本都有其属性和类别，通过训练学习得到一个分类器，利用该分类器对其他数据进行预测分类。建立模型使用的是分类回归树（CART），当处理的数据变量为离散型时，会建立一种分类模型，从而解决分类预测问题，当处理的数据变量为连续型时，会建立一种回归模型，用于解决两个或两个以上变量之间互相的定量关系。

本此实验使用的建模工具是R语言中的rpart包，利用训练集数据拟合模型，返回模型参数，由此建立一个划分较细较为复杂的树模型，再根据交叉检验(Cross-Validation)的方法来估计不同“剪枝”条件下，各模型的误差，选择误差最小的树模型进行剪枝，从而得到一棵最优树。