R軟體在決策樹的實務應用

序言 

Chapter 01 決策樹概論 

Chapter 02 套件{rpart}函數rpart ( ) 
壹、rpart ( )函數 
貳、函數rpart.control ( ) 
參、輸出函數 
肆、資料框架物件

Chapter 03 迴歸樹 
壹、迴歸樹模型建構 
一、函數rpart ( )—建構迴歸樹模型 
二、葉節點參數估計值 
三、函數printcp ( )—輸出複雜度參數 
四、函數post ( )—繪製迴歸樹圖形
五、函數rpart ( )引數參數的範例 
六、函數labels ( )與函數path.rpart ( )的應用 
七、函數rsq.rpart ( )—繪製差異分支漸進R平方圖 
貳、適配迴歸樹模型殘差
參、套件{ggplot2}函數ggplot ( )的繪圖應用
肆、迴歸樹的修剪 
伍、解釋變數為因子變數 

Chapter 04 分類樹 
壹、反應變數為三分類別變數
一、建構分類樹模型
二、繪製分類樹圖形
三、分類樹的殘差值 
四、分類樹的分類路徑
五、分類樹的剪裁
六、分類樹的預測 
貳、反應變數為二分類別變數 
一、分類樹模型建構
二、分類樹分割路徑 
三、分類樹圖形 
四、分類樹殘差值 
五、不同引數界定的分類樹 

Chapter 05 決策樹的圖形繪製 
壹、函數rpart.plot ( ) 
貳、函數prp ( ) 
一、繪製圖形基本引數 
二、節點標記調整的引數 
三、控制分支標記的引數 
四、調整樹分支線的引數 
參、繪圖函數應用 
肆、解釋變數為因子變數的決策樹圖形繪製 
伍、圖形決策樹的修剪 
陸、套件{plotmo}函數plotmo ( )的應用 

Chapter 06 複核效度驗證 
壹、預測分類函數 
貳、資料檔的分割預測 
一、系統抽樣切割資料檔 
二、隨機抽樣切割資料檔 
三、分層隨機抽樣切割資料檔 
參、反應變數為三分類別變數 
一、單一效度檢定 
二、平均效度檢定 
肆、分層隨機抽樣函數 

Chapter 07 k疊交互驗證法 
壹、六疊效度驗證法 
一、採用系統抽樣法 
二、採用隨機抽樣法 
貳、連續變數之分類樹的應用 
一、分類樹模型建構
二、分類樹模型效度檢定 
參、十疊交互驗證法

Chapter 08 套件{evtree}的函數應用
壹、函數evtree ( )語法
貳、函數應用 
一、迴歸樹 
二、分類樹 
三、反應變數為多分類別變數
參、套件{evtree}函數predict ( ) 
一、分層隨機抽樣 
二、系統抽樣 (有排序) 
三、系統抽樣 (未排序) 
四、大樣本決策樹的應用 

Chapter 09 套件{partykit}的函數應用 
壹、ctree ( )函數 
貳、函數應用—迴歸樹 
一、決策樹模型建構
二、分類準則設定
三、葉節點的差異比較 
參、繪製決策樹圖函數plot ( ) 
肆、函數lmtree ( )與glmtree ( ) 
一、函數lmtree ( )的應用
二、函數glmtree ( )的應用
伍、分類樹的應用
一、適配分類樹模型I建構
二、繪製適配分類樹圖 
三、適配分類樹模型II建構與繪製 
陸、大樣本的應用 
一、適配迴歸樹模型 
二、適配分類樹模型 
柒、預測函數predict ( ) 

Chapter 10 套件{RWeka}與套件{tree}的函數應用 
壹、套件{RWeka}函數J48 ( )函數 
一、函數J48 ( )語法
二、函數應用 
三、效度檢定 
貳、套件{tree}函數tree ( ) 
參、顯著性與決策樹關係 
一、相關與迴歸樹 
二、差異與分類樹

Chapter 11 複迴歸與迴歸樹
壹、基本套件lm ( )的函數應用 
貳、套件{Blossom}函數ols ( )與lad ( )的應用 
一、函數ols ( )
二、函數lad ( )
參、套件{psych}函數setCor ( )的應用 
肆、套件{rms}函數ols ( )的應用 
伍、迴歸樹 
一、套件{GGally}相關矩陣圖函數 
二、迴歸樹模型
三、解釋變數重要性檢核 
四、迴歸樹預測效度 

Chapter 12 邏輯斯迴歸分析與分類樹 
壹、邏輯斯迴歸分析
一、資料框架物件解析 
二、套件{radiant}函數logistic ( )的應用 
三、套件{rms}函數lrm ( )的應用 
貳、分類樹 
一、套件{rpart}函數rpart ( ) 
二、套件{partykit}函數ctree ( ) 
三、套件{evtree}函數evtree ( ) 
參、套件{C50}函數C5.0 ( )的應用
肆、拔靴法分類樹 
伍、套件{rpartScore}函數rpartScore ( )的應用 

Chapter 13 區別分析與分類樹 
壹、區別分析 
一、套件{DiscriMiner}函數應用
二、套件{mda}函數fda ( )
三、套件{MASS}函數lda ( ) 
四、區別分析效度檢定
貳、分類樹
一、套件{rpart}函數rpart ( ) 
二、套件{partykit}函數ctree ( ) 
三、套件{evtree}函數evtree ( ) 
四、套件{Rweka}函數J48 ( ) 
五、套件{C50}函數C5.0 ( )

Chapter 14 函數與流程控制 
壹、自訂函數 
貳、迴圈(loop) 
參、邏輯條件判別 
肆、統計分析的應用 
一、相關矩陣 
二、t檢定的應用 
三、單因子變異數分析的應用
伍、決策樹的應用 
陸、決策樹向度變數

Chapter 15 RStudio整合發展環境
壹、RStudio整合開發環境界面與專案 
貳、智慧型自動完成指令 
參、編輯器語法指令的執行 
肆、各種選項的設定
伍、套件安裝與載入 
陸、外部資料檔匯入

序言

　　《R軟體在決策樹的實務應用》為R軟體統計分析系列叢書之三，其內容接續《R軟體統計應用分析實務》、《R軟體統計進階分析實務》二本專書內容。由於「R軟體」(R語言)可以下載開放原始碼與免費，已成為量化統計分析的主流軟體之一，R軟體安裝簡易，軟體安裝字型可以選取適合研究者專屬的語言類型，外掛套件之函數功能幾乎包括所有統計學介紹的內涵。R軟體強大的統計分析功能、可以進行各種函數運算、有多元的繪圖功能，同時具備計算與繪圖環境的語言，有立即互動模式視窗、也有可以編寫一系列語法指令的「R編輯器」視窗。R軟體結合繪圖、數理統計、計算等特性，研究者除可直接使用內定函數進行統計分析與繪製圖形外，也可以自行撰寫語法指令列進行快速的分析程序。

　　本書從使用者觀點出發，從實務的角度論述，聚焦於預測分類程序方法的統計應用。資料探勘(data mining)數據分析中，一個重要的統計法為「決策樹」(decision tree)，根據反應變數屬性的不同，決策樹模型又分為「迴歸樹」(regression tree)與「分類樹」(classification)，決策樹主要功能在於預測分類，各章節的實務論述中，也介紹R軟體相關函數的應用與語法功能。

　　本書內容詳細介紹R軟體各種套件函數在決策樹的應用分析，完整說明對應函數預測分類的使用語法指令，決策樹圖形繪製函數的解析與應用，如何分割資料檔以訓練樣本建構決策樹模型，如何以建構決策樹模型對測試樣本進行預測分類之效度檢定，各種決策樹模型的效度檢驗法等。此外，為讓讀者對數據資料的預測分類有進一步的瞭解，最後以範例解說複迴歸分析與迴歸樹的綜合應用、邏輯斯迴歸與分類樹的綜合應用、區別分析與分類樹的綜合應用等。

　　本書得以順利出版，要感謝五南圖書公司的鼎力支持與協助，尤其是侯家嵐主編與劉祐融責編的行政支援與幫忙。作者於本書的撰寫期間雖然十分投入用心，但恐有能力不及或論述未周詳之處，這些疏漏或錯誤的內容，盼請讀者、各方先進或專家學者不吝斧正。