在R（Caret）中绘制决策树

Question

我已经用rf方法训练了一个数据集。 例如：

ctrl <- trainControl(
                     method = "LGOCV", 
                     repeats = 3, 
                     savePred=TRUE,
                     verboseIter = TRUE,
                     preProcOptions = list(thresh = 0.95)
                    )

preProcessInTrain<-c("center", "scale")
metric_used<-"Accuracy"
model <- train(
               Output ~ ., data = training,
               method = "rf",
               trControl = ctrl,
               metric=metric_used,
               tuneLength = 10,
               preProc = preProcessInTrain
              )

在那之后，我想绘制决策树，但是当我想出plot(model) ，我得到了： plot(model) 。

如果我写plot(model$finalModel) ，我会得到这个： plot(model$finalModel)

我想画出决定树...

我怎样才能做到这一点？ 谢谢 ：）

Answer 1

您使用的模型是随机森林，它不是单个决策树，而是大量树的集合。 绘制最终模型将随着树木数量的增加在训练和测试数据集上绘制错误率，如下所示。

如果您只想要一个决策树，则可能需要像以下这样训练CART模型：

model <- train(
  Species ~ ., data = training,
  method = "rpart",
  trControl = ctrl,
  metric=metric_used,
  tuneLength = 10,
  preProc = preProcessInTrain
)
library(rpart.plot)
rpart.plot(model$finalModel)

现在如上所述绘制最终模型将为您绘制决策树。