㈠ 為什麼用R語言做決策樹分不出樹來
如果使用rpart()構造的決策樹，可以用plot畫決策樹 ，用text添加標注 參見幫助文檔： library(rpart) fit
㈡ R語言怎麼做CART演算法的決策樹
決策樹的典型演算法有ID3，C4.5，CART等。國際權威的學術組織，數據挖掘國際會議ICDM （the IEEE International Conference on Data Mining）在2006年12月評選出了數據挖掘領域的十大經典演算法中，C4.5演算法排名第一。
㈢ 怎麼學慣用R語言進行數據挖掘
我不知道你的程度，幾個建議：
1、數據挖掘導論這本書先看看，各種經典演算法，Aprior、C4.5、決策樹分類等等先弄明白；
2、學習R語言，可以通過例子來滲透這門語言的語法規則等，多用help命令，有個Rstudio軟體輔助學習，界面比R友好，如果英文理解有困難，網上很多博客幾乎對每一個語法規則都有涉及；
3、有一些有名的網站，如統計之都，可以多逛逛。
㈣ 我要對股票市場做決策樹的模型，可是不會數據預處理，誰可以幫幫我啊，時間緊急啊
數據預處理可以通過很多股票軟體進行數據生成，然後通過EXCEL軟體進行處理，不過很耗時間
㈤ 如何用R語言實現決策樹
可以使用rpart包，或者party包或者RWeka包
㈥ r語言 決策樹 rpart怎麼畫決策樹
如果使用rpart()構造的決策樹，可以用plot畫決策樹 ，用text添加標注
參見幫助文檔：
library(rpart)
fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis)
plot(fit)
text(fit, use.n = TRUE)
㈦ 如何用R語言實現決策樹C5.0模型
你可以利用R軟體中{RWeka}包的J48()函數。
參考文獻：
R. Quinlan (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.
㈧ R語言 建立決策樹前 如何從候選的幾十個變數中篩選建模需要的變數
自變數量的篩選是根據其卡方顯著性程度不斷自動生成父節點和子節點，卡方顯著性越高，越先成為預測根結點的變數（建模需要的變數），程序自動歸並預測變數的不同類
㈨ 求助，R語言做決策樹
你可以利用R軟體中{RWeka}包的J48()函數。參考文獻：R. Quinlan (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.