install.packages("C50") 
library(C50)  # 加载决策树算法包

# ====================加载并查看数据集 ====================
# iris是R自带的经典鸢尾花数据集，无需额外下载
data(iris)  
# 查看数据集基本信息：150个样本，5个变量（4个特征+1个分类标签）
# 特征：花萼长度/宽度、花瓣长度/宽度；标签：3种鸢尾花品种
head(iris)  # 查看前6行数据
str(iris)   # 查看数据结构（确认特征是数值型，标签是因子型）

1、数据集划分

# ==================== 数据划分：训练集(70%) + 测试集(30%) ====================
# 设置随机种子，保证结果可复现（每次运行划分结果一致）
set.seed(123)  

# 随机抽样：生成1-150中70%的行索引，用于训练集
train_index <- sample(1:nrow(iris), size = 0.7*nrow(iris))  

# 训练集：用于训练决策树模型
train_data <- iris[train_index, ]  
# 测试集：用于评估模型预测效果
test_data <- iris[-train_index, ]  

# 分离特征和标签（决策树输入格式：特征矩阵 + 标签向量）
# 训练集特征（前4列：所有数值型特征）
train_x <- train_data[, -5]  
# 训练集标签（第5列：品种Species）
train_y <- train_data[, 5]   
# 测试集特征
test_x <- test_data[, -5]    
# 测试集标签（真实标签，用于对比预测结果）
test_y <- test_data[, 5]     

2、训练模型C5.0

# ==================== 4. 训练C5.0决策树模型 ====================
# 函数语法：C5.0(特征矩阵, 标签向量)
# 模型会自动学习特征与标签的对应关系，生成决策树规则
tree_model <- C5.0(train_x, train_y)  

# 查看决策树模型详情：规则、特征重要性、分类准确率
summary(tree_model)  

Call:
C5.0.default(x = train_x, y = train_y)

C5.0 [Release 2.07 GPL Edition]         Sun Jun  7 09:40:40 2026
-------------------------------

Class specified by attribute `outcome'

Read 105 cases (5 attributes) from undefined.data

Decision tree:

Petal.Length <= 1.9: setosa (36)
Petal.Length > 1.9:
:...Petal.Width > 1.7: virginica (34/1)
    Petal.Width <= 1.7:
    :...Petal.Length <= 4.9: versicolor (31/1)
        Petal.Length > 4.9: virginica (4/1)

Evaluation on training data (105 cases):

            Decision Tree   
          ----------------  
          Size      Errors  

             4    3( 2.9%)   <<

           (a)   (b)   (c)    <-classified as
          ----  ----  ----
            36                (a): class setosa
                  30     2    (b): class versicolor
                   1    36    (c): class virginica

        Attribute usage:

        100.00% Petal.Length
         65.71% Petal.Width

Time: 0.0 secs

3、模型评估

# ==================== 5. 模型预测：用测试集验证效果 ====================
# predict(模型, 新数据)：对测试集特征进行品种预测
pred_y <- predict(tree_model, test_x)  

# 查看前10个预测结果 vs 真实结果
cat("前10个预测值：", as.character(pred_y[1:10]), "\n")
cat("前10个真实值：", as.character(test_y[1:10]), "\n")

# ==================== 6. 模型评估：计算准确率 ====================
# 准确率 = 预测正确的样本数 / 总测试样本数
accuracy <- sum(pred_y == test_y) / length(test_y)  
cat("决策树模型测试集准确率：", round(accuracy*100, 2), "%\n")

前10个预测值： setosa setosa setosa setosa setosa setosa setosa setosa setosa setosa 
前10个真实值： setosa setosa setosa setosa setosa setosa setosa setosa setosa setosa 
> # 准确率 = 预测正确的样本数 / 总测试样本数
> accuracy <- sum(pred_y == test_y) / length(test_y)  
> cat("决策树模型测试集准确率：", round(accuracy*100, 2), "%\n")
决策树模型测试集准确率： 97.7

4、可视化

# ==================== 7. 可视化决策树（直观查看分类规则） ====================
# 安装可视化包，首次使用安装，后续注释
# install.packages("partykit")
library(partykit)  
# 转换模型格式并绘图
plot(as.party(tree_model), main = "iris数据集决策树可视化")  

5、决策树rpart算法

# 加载rpart包（决策树）和rpart.plot（可视化）
# install.packages(c("rpart", "rpart.plot"))
library(rpart)
library(rpart.plot)

data(iris)
set.seed(123)
# 数据划分同上
train_index <- sample(1:nrow(iris), 0.7*nrow(iris))
train_data <- iris[train_index, ]
test_data <- iris[-train_index, ]

# 训练rpart决策树：公式格式 Species ~ . （标签~所有特征）
tree_rpart <- rpart(Species ~ ., data = train_data, method = "class")

# 预测+评估
pred_rpart <- predict(tree_rpart, test_data, type = "class")
accuracy_rpart <- sum(pred_rpart == test_data$Species)/nrow(test_data)
cat("rpart决策树准确率：", round(accuracy_rpart*100,2), "%\n")

# 可视化决策树
rpart.plot(tree_rpart, main = "rpart决策树（iris）")