Jetzt wird noch ein Entscheidungsbaumalgorithmus benötigt. Hierzu wird ein Package verwendet. Entscheidungsbäume sind in verschiedenen Packages implementiert. Nur: Welcher ist am besten geeignet? Es ist sinnvoll, in einschlägigen Communities oder Büchern zu stöbern. "rpart" wird häufig verwendet, weil die Methode einfach anzuwenden und recht robust ist. Führen Sie also folgenden Befehl in der R-Konsole aus:
| install.packages(“rpart“) |
Die Library muss schließlich noch aktiviert werden. Dies ist sinnvoll, um den Arbeitsspeicher nicht unnötig zu belasten. Während "install.packages()" nur einmal ausgeführt wird, muss "library()" bei Neustart von R immer wieder aufgerufen werden. Somit empfiehlt es sich, dieses Statement entweder als oberste Zeile im function-Script oder direkt in die aufrufende Funktion zu packen.
| library(rpart) |
Nun könnten wir den Algorithmus starten. Die Funktion "rpart" wird wie folgt aufgerufen:
| =R.E.eval("dt=rpart(eReader_Adoption ~ . – User_ID ,data=trainDS)") |
Hierbei ist wieder die spezielle Syntax zur Kennzeichnung der abhängigen und unabhängigen Variablen zu beachten. Die Zielvariable (hier "eReader_Adoption") wird vorangestellt und mit der Tilde mit den gewünschten unabhängigen Variablen verbunden. Der Punkt dient übrigens als Vereinfacher für die Auswahl aller in der Tabelle vorhandenen Felder (mit Ausnahme der Zielvariable natürlich). Da die User_ID sicherlich keinen erklärenden Einfluss haben wird, kann sie mit dem Minuszeichen aus der Analyse ausgeklammert werden.
Das mit dem oben aufgeführten R-Befehl erzeugte Objekt "dt" ist eine Liste mit vielen geschachtelten Detailinformationen, die nicht einfach als Matrix angezeigt werden kann. Daher zeigt Excel als Ergebnis "#WERT" an, was nicht schön aber unproblematisch ist. In R kann nun die Analyse erfolgen.
Geben Sie in der R-Konsole "dt <RETURN>" ein. Nun werden die Baumelemente mit den jeweiligen Wahrscheinlichen aufgelistet (Abb. 7). Der Entscheidungsbaum wird durch Einrückungen dargestellt. Für jede Klasse wird eine Wahrscheinlichkeitsaussage getroffen.
Abb. 7: Die Regelauflistung als Ergebnis der Entscheidungsbaumanalyse
Das ist nur ein Ausschnitt aus dem Produkt Controlling Office. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen