R语言实战：用rpart包5分钟搞定分类决策树（附完整代码）

R语言实战：5分钟构建你的第一个分类决策树模型

如果你刚接触R语言，面对机器学习算法时，可能会觉得理论复杂、步骤繁琐。今天，我们不谈深奥的数学推导，直接上手，用最核心的rpart包，在5分钟内跑通一个完整的分类决策树模型。整个过程就像搭积木一样清晰，你将亲手使用真实的医疗数据集，完成从数据加载、模型训练、可视化到预测的全流程。这篇文章专为初学者设计，目标是让你在最短时间内获得第一个可运行的模型，建立直观理解，消除对机器学习实践的畏难情绪。

我们将使用R内置的kyphosis数据集，它记录了81名接受脊柱矫正手术儿童的情况，目标是预测术后是否会出现后凸畸形。这个案例小而典型，非常适合快速入门。你会发现，用R实现一个基础但完整的机器学习流程，代码可以非常简洁。

1. 环境准备与数据初探

在开始建模之前，我们需要确保环境就绪，并对即将使用的数据有一个基本的认识。这一步是任何数据分析项目的起点，能帮助我们避免后续因数据问题导致的错误。

首先，启动你的RStudio或R控制台。rpart包是R的核心包之一，通常已随基础安装包含。为了确保可用并加载其增强可视化功能，我们执行以下命令：

# 加载必要的包
library(rpart)       # 核心决策树算法包
library(rpart.plot)  # 用于绘制美观的决策树图

如果系统提示rpart.plot未安装，只需运行 install.packages("rpart.plot") 即可。接下来，我们载入并查看数据：

# 载入数据
data(kyphosis)
# 查看数据结构
str(kyphosis)

运行str(kyphosis)后，控制台会输出数据框的结构信息。你会看到类似下面的内容：

'data.frame':   81 obs. of  4 variables:
 $ Kyphosis: Factor w/ 2 levels "absent","present": 2 2 1 1 1 2 1 2 1 1 ...
 $ Age     : int  71 158 128 2 1 1 61 37 113 59 ...
 $ Number  : int  3 3 4 5 4 2 2 3 2 6 ...
 $ Start   : int  5 14 5 1 15 16 17 16 16 12 ...

这告诉我们，kyphosis数据框共有81行（观测）和4列（变量）。其中：

• Kyphosis：是我们的目标变量（响应变量），是一个因子（Factor），包含两个水平：“absent”（未出现后凸）和“present”（出现后凸）。这是一个典型的二分类问题。
• Age：年龄（以月计），整数型。
• Number：手术涉及的椎骨数目，整数型。
• Start：手术开始的椎骨编号，整数型。

为了对数据分布有一个更直观的印象，我们可以快速查看前几行数据，并计算目标变量的类别分布：

# 查看前6行数据
head(kyphosis)

# 查看目标变量“Kyphosis”的类别分布
table(kyphosis$Kyphosis)

table