回归树还是分类树？ 多个分类输入和数字输出

Question

它在统计文档中说：分类树给出了名义上的响应，例如“真”或“假”。 回归树给出数字响应。 我正在尝试构建决策树。 我正在处理数字（输出）和非数字数据（输入）。我认为分类树比回归树更合适，或者（因为回归树似乎只适用于数字数据）。 是否可以使用非数字数据来预测数字数据？如果是这样，我怎么能在 R 中做到这一点？分类树适合是正确的选择吗？

谢谢 ：）

Answer 1

术语“数字响应”有点笼统。 Numeric 可以是取值从 0 到无穷大的变量（例如，用户数、金额、距离），但也可以是取值 1 或 0（表示是/否、男性/女性），甚至值 1,2,3（代表选择 1、选择 2、选择 3）。 最好将第一种情况描述为尺度/连续变量，将第二种情况描述为二元变量，将第三种情况描述为分类变量。

第一种情况可以通过回归树（基于连续变量的数字响应）来处理，其他两种可以通过分类树（分类变量响应；它们可能会返回分类值或每个分类值的概率。这取决于您） .

检查这些开始： http : //www.statmethods.net/advstats/cart.html和http://www.rdatamining.com/docs/regression-and-classification-with-r