摘要：下一步，使用mtcars数据集建立一个决策树模型，其中的mpg作为因变量，代码如下：

今天的内容介绍如何将决策树模型画出来。

进入实战部分！

首先安装所需的R包，并且载入：

install.packages("rpart")
install.packages("rpart.plot")

library(rpart)
library(rpart.plot)

R包get！

下一步，使用mtcars数据集建立一个决策树模型，其中的mpg作为因变量，代码如下：

tree

将上述模型tree进行作图：

rpart.plot(tree)

以右下角的方框内容为例，一个方框指代一个节点，其中的数字29指的是此决策树给出的预测值mpg=29，样本占总数的22%。

方框的颜色（这里为蓝色，可修改）与mpg的值成正比，即值越大，颜色越深。

可以通过代码改变决策树的展示风格，一共有6种风格可供选择，代码如下：

par(mfrow = c(3, 2))
rpart.plot(tree, type = 0)
1)
2) #默认
3)
4)
5)
par(mfrow = c(1, 1))

大家可以根据个人的喜好进行选择。

还可以添加一些额外的信息，比如每个节点的样本量，代码如下：

rpart.plot(tree, extra = 101) # 添加样本量

也可以调整小数点保留的位数：

rpart.plot(tree, digits = 5)

最后，调节上述节点的颜色为橘红色，代码如下：

rpart.plot(tree, box.palette = "Oranges")

关于其它更多修饰，可以询问R的帮助系统：?rpart.plot

好啦，今天的内容就到这里。如果有帮助，记得分享给需要的人

！

参考文献

来源：小周说散打