printcp(breast.part); # 查看这棵树的复杂性参量表
CP nsplit rel error xerror
交叉验证错误率 叶节点数减一
预测误差
xstd 0.052142
0.031415 0.026924 0.026071 0.026071
1 2 3 4 5 0.780083 0.053942 0.024896 0.012448 0.010000 0 1 2 3 6 1.00000 0.21992 0.16598 0.14108 0.10373 1.00000 0.26141 0.18672 0.17427 0.17427
误差原则：
参考文献
6
# 剪枝
breast.part2 <- prune(breast.part, cp = 0.016);
rpart.plot(breast.part2); # 剪枝以后的分类树图
b）进行交叉验证：由于数据的观测并不是太大(699)采取3折交叉验证 n = 699; zz1 = 1:n;
zz2 = rep(1:3, ceiling(699/3))[1:n]; set.seed(100); zz2 = sample(zz2, n); nmse = list(NULL, NULL); c <- breast_cancer_median; for (i in 1:3) {
data.train = c[-c(which(zz2 == i)), ]; data.test = c[c(zz2 == i), ];
d.train <- rpart(factor(btype) ~ ., data = data.train, method=\
table1 = table(predict(d.train, data.train, type = \ table2 = table(predict(d.train, data.test , type = \ nmse[[1]][i] = 1 - sum(diag(table1))/nrow(data.train); nmse[[2]][i] = 1 - sum(diag(table2))/sum(table2); cat(\第\折:\ cat(\训练集错误率:\
cat(\测试集错误率:\}
NMSE = array();
NMSE[1] = sum(nmse[[1]])/3; NMSE[2] = sum(nmse[[2]])/3;
cat(\训练集上的平均错误率为:\cat(\测试集上的平均错误率为:\
7
结果：
rpart method第 1 折:
训练集错误率: 0.04935622 测试集错误率: 0.05579399
rpart method第 2 折:
训练集错误率: 0.03433476 测试集错误率: 0.05150215
rpart method第 3 折:
训练集错误率: 0.04077253 测试集错误率: 0.04291845
rpart method训练集上的平均错误率为: 0.04148784
rpart method测试集上的平均错误率为: 0.05007153
2）神经网络 使用的包有nnet
a）使用中位数填补后的数据进行建模分析以及分析判错率 # 请先安装nnet程序包 library(nnet);
a <- nnet(factor(btype) ~ ., data = breast_cancer_median, size = 6, rang = 0.1, decay = 5e-4, maxit = 1000);
a.predict <- predict(a, data = breast_cancer_median, type = 'class'); table=table(a.predict, breast_cancer_median$btype);
# 计算错判率
pError=1 - sum(diag(table))/nrow(breast_cancer_median); cat(\分类的错判率pError为：\
结果显示全部判断正确 a.predict 2 4 2 458 0 4 0 241
nnet分类的错判率pError为： 0
b）使用三折交叉验证
n = 699; zz1 = 1:n;
zz2 = rep(1:3, ceiling(699/3))[1:n]; set.seed(100); zz2 = sample(zz2, n); nmse = list(NULL, NULL); c <- breast_cancer_median; for (i in 1:3) {
data.train = c[-c(which(zz2 == i)), ]; data.test = c[c(zz2 == i), ];
8
d.train <- nnet(factor(btype)~., data = data.train, size = 6, rang = 0.1, decay = 5e-4, maxit = 1000);
table1 = table(predict(d.train, data.train, type = \ table2 = table(predict(d.train, data.test, type = \ nmse[[1]][i] = 1 - sum(diag(table1))/nrow(data.train); nmse[[2]][i] = 1 - sum(diag(table2))/sum(table2); cat(\第\折:\
cat(\第\折训练集的错误率为:\
cat(\第\折测试集的错误率为:\}
NMSE = array();
NMSE[1] = sum(nmse[[1]])/3; NMSE[2] = sum(nmse[[2]])/3;
cat(\训练集上的平均错误率为:\cat(\测试集上的平均错误率为:\
结果：
nnet method第 1 折:
第 1 折训练集的错误率为: 0
第 1 折测试集的错误率为: 0.05150215
nnet method第 2 折:
第 2 折训练集的错误率为: 0.002145923 第 2 折测试集的错误率为: 0.08583691
nnet method第 3 折:
第 3 折训练集的错误率为: 0
第 3 折测试集的错误率为: 0.03862661
nnet method训练集上的平均错误率为: 0.0007153076 nnet method测试集上的平均错误率为: 0.05865522
3）支持向量机 使用的包有e1071，ggplot
a）ggplot这个包画图的功能很强大，就是可以使图输出到pdf，等好多形式的输出
可以拿出任意两个变量来画图给个直观的印象那个变量对分类影响较明显，例如使用一下两个变量来看，这里之举一个看。
# 绘制以bare_nuclei为横轴频数为中轴的直方图，请先安装ggplot2程序包 library(ggplot2); # 载入绘图函数报
c6 <- qplot(bare_nuclei, data = breast_cancer_median, colour = factor(btype)); ggsave(\ # 将图保存为PDF格式
9
b）使用中位数填补后的数据进行建模分析以及分析判错率
#请先安装e1071程序包 library(e1071);
s <- svm(factor(btype)~., data = breast_cancer_median); pre = predict(s, breast_cancer_median, type = 'class'); plot(pre ~ breast_cancer_median$btype);
table = table(pre, breast_cancer_median$btype); table; # 计算错判率
error <- 1 - sum(diag(table))/nrow(breast_cancer_median); cat(\分类的错判率error为：\
结果：
pre 2 4 2 446 5 4 12 236
SVM分类的错判率error为： 0.02432046
10