R語言練習-利用決策樹模型分析泰坦尼克生還率

一、資料預處理

1.讀入資料，將不適合的列刪除，保留適合進行建模的列。
*> #讀入資料

titanic<-read.csv(“E:/資料分析/程式設計/R/file/資料/titanic3.csv”)

去掉後3列，不適合建模

titanic<-titanic[,!names(titanic)%in%c(“body”,”boat”,”home.dest”)]
str(titanic)*

2.轉換每列的資料型別轉換成適合的資料型別，例如pclass現在是int型，需要轉換成字元型

titanicpclass<−as.factor(titani

cpclass)
titanicname<−as.character(titanicname)
titanicticket<−as.character(titanicticket)
titaniccabin<−as.character(titaniccabin)
titanicsurvived<−factor(titanicsurvived,levels=c(0,1),labels=c(“dead”,”survived”))
str(titanic) #檢視型別

將embarked中的“”（空字元）異常值修改為NA

levels(titanice

mbarked)levels(titanicembarked)[1]<-NA
table(titanic$embarked,useNA=”always”)

將cabin中的空字串更換為NA

titaniccabin<−ifelse(titaniccabin==”“,NA,titanic$cabin)

3.分離資料，把資料分成測試資料和訓練資料

library(caret)
set.seed(137)
test_idx<-createDataPartition(titanicsurvived,p=0.1)Resample1
titanic.test<-titanic[test_idx,]
titanic.train<-titanic[-test_idx,]

4.用caret包中的createFolds（）進行分割，分成10層交叉資料

create_ten_fold_cv<-function(){
+ set.seed(137)
+ lapply(createFolds(titanic.train$survived,k=10),function(idx){
+ return(list(train=titanic.train[-idx,],
+ validation=titanic.train[idx,]))
+ })
+ }