为什么我的决策树没有节点？ (C5.0)

Question

我有 6 个属性的 204 个数据。

当我使用此脚本创建包含所有数据的模型时，model = C5.0(dataset1[,-7], dataset1[,7])， 结果给我没有像下图这样的节点。

但是，如果我在这个脚本中只使用 100 个数据，model = C5.0(dataset1[1:100,-7], dataset1[1:100,7])，结果会给我一个很好的决策树，如下图所示。

有什么问题？问题出在数据上吗？ 谢谢。

Answer 1

检查树木的展示，很容易看出发生了什么。 仅使用 100 点的第二个模型并不比第一个更好。 当您向 C5.0 提供更多数据时，它正确确定了一个更简单的模型 是优越的。看看结果。

第一棵树（所有 204 分）预测一切都是 Lancar 给予的 错误率为 27%（204 个错误中有 55 个错误）。

第二棵树的错误率是多少？

节点 2 预测 Lancar 55 个点，错误率为 25.5%（14 个错误）。
节点 4 预测 Lancar 25 个点，错误率为 28.0%（7 个错误）。
节点 6 预测 Macet 的 8 个点，错误率为 50.0%（4 个错误）。
节点 7 预测 Macet 为 12 个点，错误率为 41.7%（5 个错误）。
总错误 100 个中有 30 个或 30.0% - 比 27% 的错误率更差 对于更简单的模型。 C5.0 简单地确定了可用的最佳模型是预测所有点都属于多数类（Lancar）。