逃げちゃダメだ、、と囁き声が聞こえたら疲れてるサイン。どうも0083です。

今日はみんな大好きフローチャートを作ろうと思います。

　　　

どうやら統計的に決定木(Decision tree)というのをやればフローチャートが作れるようですね。

もちろん、使うのは平民の味方、EZR先生！

・・・え、EZRじゃできないの？マジで？

プログラミング必要、、、本気で言ってる？

　　　

　　　

という事でGoogle先生経由でやり方を教えてもらいました。

(コチラのサイトを参考にしてます：決定木をわかりやすく解説｜Rで実践)

　　　

えーまず、Rをダウンロードします。

　　　

なんかCARTという方法なんですが、rpart.plotとpartykitのファイルをダウンロードしなきゃらしいっす。

install.packages(“rpart”)
install.packages(“rpart.plot”)
install.packages(“partykit”)
library(rpart)
library(rpart.plot)
library(partykit)

データを取り込んでもらうよ。

df <- read.csv(“C:/Users/0083/Desktop/Book2.csv”,header = T)
head(df)
tree <- rpart(X0TB ~ . ,data=df, method = “class”)

なんかC:/Users/0083/Desktop/Book2.csvがファイルの場所でexelのcsvじゃないとダメみたいなので、ファイル変換。

X0TBが目的の二値変数です。

という事で早速、決定木を作ってもらいましょう！

summary(tree)
rpart.plot(tree)

で、CPというのを調べて、分岐しすぎを補正するんだそうです。

plotcp(tree)

上のような図が出てきて、横の点線を下回ったデータの中で最高値のCPを採用する、と。

tree.cp <- prune(tree,cp=0.013) #木を剪定する
plot(as.party(tree.cp)) #剪定した木をプロット
rpart.plot(tree.cp)

tree,cp=0.013というのが上で採用したデータなのだそうで。

最後にフローチャートの精度を出しましょう。

titanic.pre <- data.frame(round(predict(tree.cp, df)))
titanic.pre$X0TB <- num2char(titanic.pre$X0TB)
(tab <- table(titanic.pre[,2], df$X0TB)) #混同行列
sum(diag(tab)) / sum(tab) #分類精度

X0TBというのは以前同様、目的の二値変数です。

という事で完成です！

　　　

、、、大丈夫。自分でなにやってるか分かってません(笑

まだ調整が必要ですが、完成版は3/18のKYORIN呼吸器フロンティアセミナーでお示しできればと。

あ、スライド締め切りやばいｗｗ