㈠ 为什么用R语言做决策树分不出树来
如果使用rpart()构造的决策树，可以用plot画决策树 ，用text添加标注 参见帮助文档： library(rpart) fit
㈡ R语言怎么做CART算法的决策树
决策树的典型算法有ID3，C4.5，CART等。国际权威的学术组织，数据挖掘国际会议ICDM （the IEEE International Conference on Data Mining）在2006年12月评选出了数据挖掘领域的十大经典算法中，C4.5算法排名第一。
㈢ 怎么学习用R语言进行数据挖掘
我不知道你的程度，几个建议：
1、数据挖掘导论这本书先看看，各种经典算法，Aprior、C4.5、决策树分类等等先弄明白；
2、学习R语言，可以通过例子来渗透这门语言的语法规则等，多用help命令，有个Rstudio软件辅助学习，界面比R友好，如果英文理解有困难，网上很多博客几乎对每一个语法规则都有涉及；
3、有一些有名的网站，如统计之都，可以多逛逛。
㈣ 我要对股票市场做决策树的模型，可是不会数据预处理，谁可以帮帮我啊，时间紧急啊
数据预处理可以通过很多股票软件进行数据生成，然后通过EXCEL软件进行处理，不过很耗时间
㈤ 如何用R语言实现决策树
可以使用rpart包，或者party包或者RWeka包
㈥ r语言 决策树 rpart怎么画决策树
如果使用rpart()构造的决策树，可以用plot画决策树 ，用text添加标注
参见帮助文档：
library(rpart)
fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis)
plot(fit)
text(fit, use.n = TRUE)
㈦ 如何用R语言实现决策树C5.0模型
你可以利用R软件中{RWeka}包的J48()函数。
参考文献：
R. Quinlan (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.
㈧ R语言 建立决策树前 如何从候选的几十个变量中筛选建模需要的变量
自变量量的筛选是根据其卡方显著性程度不断自动生成父节点和子节点，卡方显著性越高，越先成为预测根结点的变量（建模需要的变量），程序自动归并预测变量的不同类
㈨ 求助，R语言做决策树
你可以利用R软件中{RWeka}包的J48()函数。参考文献：R. Quinlan (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.