決策樹是以樹的形式表示選擇及其結果的圖。圖中的節點表示事件或選擇，並且圖的邊緣表示決策規則或條件。它主要用於使用R的機器學習和資料探勘應用程式。

決策樹的使用的例子是 - 預測電子郵件是垃圾郵件或非垃圾郵件，預測腫瘤癌變，或者基於這些因素預測貸款的信用風險。通常，使用觀測資料（也稱為訓練資料）來建立模型。然後使用一組驗證資料來驗證和改進模型。 R具有用於建立和視覺化決策樹的包。對於新的預測變數集合，我們使用此模型來確定R包“party”用於建立決策樹。

安裝R語言包

在R語言控制檯中使用以下命令安裝軟體包。您還必須安裝相關軟體包（如果有）。

install.packages("party"
 
)

“party”包具有用於建立和分析決策樹的函式ctree()。

語法

在R中建立決策樹的基本語法是 -

ctree(formula, data)

以下是所使用的引數的描述 -

• formula是描述預測變數和響應變數的公式。

• data是所使用的資料集的名稱。

輸入資料

我們將使用名為readingSkills的R內建資料集來建立決策樹。 它描述了某人的readingSkills的分數，如果我們知道變數“年齡”，“shoesize”，“分數”，以及該人是否為母語者。

這裡是示例資料。

# Load the party package. It will automatically load
 
 other dependent packages.
library(party)

# Print some records from data set readingSkills.
print(head(readingSkills))

當我們執行上面的程式碼，它產生以下結果及圖表 -

  nativeSpeaker   age   shoeSize      score
1           yes     5   24.83189   32.29385
2           yes     6   25.95238   36.63105
3            no    11
 
   30.42170   49.60593
4           yes     7   28.66450   40.28456
5           yes    11   31.88207   55.46085
6           yes    10   30.07843   52.83124
Loading required package: methods
Loading required package: grid
...............................
...............................

例

我們將使用ctree()函式建立決策樹並檢視其圖形。

# Load the party package. It will automatically load other dependent packages.
library(party)

# Create the input data frame.
input.dat <- readingSkills[c(1:105),]

# Give the chart file a name.
png(file = "decision_tree.png")

# Create the tree.
  output.tree <- ctree(
  nativeSpeaker ~ age + shoeSize + score, 
  data = input.dat)

# Plot the tree.
plot(output.tree)

# Save the file.
dev.off()

當我們執行上面的程式碼，它產生以下結果 -

null device 
          1 
Loading required package: methods
Loading required package: grid
Loading required package: mvtnorm
Loading required package: modeltools
Loading required package: stats4
Loading required package: strucchange
Loading required package: zoo

Attaching package: ‘zoo’

The following objects are masked from ‘package:base’:

    as.Date, as.Date.numeric

Loading required package: sandwich

結論

從上面顯示的決策樹，我們可以得出結論，其readingSkills分數低於38.3和年齡超過6的人不是一個母語者。