上半部分：海藻！海藻！—R實戰(zhàn)案例一（上）
本案例的目的是預(yù)測140個水樣中7種海藻的出現(xiàn)頻率，這部分是用多元線性回歸模型和回歸樹模型分別進(jìn)行預(yù)測。
首先進(jìn)行多遠(yuǎn)線性回歸，該模型給出一個有關(guān)目標(biāo)變量，和解釋變量關(guān)系的線性函數(shù)

#預(yù)測海藻a1出現(xiàn)的頻率，.代表數(shù)據(jù)框中除了a1外的變量。
lm.a1<-lm(a1~.,data=clean.algae[,1:12])
summary(lm.a1)

該模型解釋的方差比例（R-squared）表明模型與數(shù)據(jù)的吻合度。越接近于1越好。此處為0.322，還不是很理想，所以需要精簡回歸模型。
首先用anova函數(shù)提供模型擬合的方差序貫分析。

anova(lm.a1)

從圖中可見，season對減少模型擬合誤差的貢獻(xiàn)最小，將其刪除。然后再做一次線性回歸模型。

lm2.a1<-update(lm.a1,.~.-season)
summary(lm2.a1)
anova(lm.a1,lm2.a1)

此處結(jié)果略，R平方是0.328，還是不理想。所以繼續(xù)用anova對兩個模型進(jìn)行正式的比較，使用兩個模型作為參數(shù)。

盡管誤差平方和減少了（-449），但顯著性只有0.695，說明兩個模型不同的可能性為30%，應(yīng)該再次消元。使用step向后消元法。

final.lm<-step(lm.a1)
summary(final.lm)

2.png

最后的R平方仍然不理想，說明在此案例，應(yīng)用線性模型并不合適。

接下來運用另一種模型算法：回歸樹來預(yù)測?；貧w樹是對某些解釋變量分層次的邏輯測試，基于樹的模型自動篩選相關(guān)的變量。

library(rpart)
rt.a1<-rpart(a1~.,data=algae[,1:12])
rt.a1
prettyTree(rt.a1)

prettyTree主要是可視化，圖形如下：

此外，可以用復(fù)雜度損失修剪的方法，估計樹節(jié)點的參數(shù)值cp，以達(dá)到預(yù)測的準(zhǔn)確性和樹大小的折中。然后利用prune來剪枝。（這里我不是很理解，先這么看著吧）

printcp(rt.a1)
rt2.a1<-prune(rt.a1,cp=0.08)
rt2.a1

rpartXse函數(shù)是可以自動運行這個過程，但是得到的圖形很奇怪。（下右圖）

rt.a1<-rpartXse(a1~.,data=algae[,1:12])

用rpartXse做出的回歸樹

snip.rpart函數(shù)是交互的對樹進(jìn)行修剪（結(jié)果上左圖）

first.tree<-rpart(a1~.,data=algae[,1:12])
snip.rpart(first.tree,c(4,7))

或者采用直接點擊的方式修剪。(不過好像點擊了也沒有什么變化...)

prettyTree(first.tree)
snip.rpart(first.tree)

簡而言之，這部分主要講了線性和回歸樹，回歸樹那里常用的語句還是rpart?？雌渌咐?，大多數(shù)也只用rpart。雖然語句很簡單，也幾乎不用輸入?yún)?shù)，但內(nèi)中含義很復(fù)雜啊。
最后一部分講模型的評價和選擇~~~

第二部分完整代碼如下，不好用的語句我直接廢掉了：

#線性模型
lm.a1<-lm(a1~.,data=clean.algae[,1:12])
summary(lm.a1)
anova(lm.a1)

lm2.a1<-update(lm.a1,.~.-season)
summary(lm2.a1)
anova(lm.a1,lm2.a1)

final.lm<-step(lm.a1)
summary(final.lm)

#回歸樹
library(rpart)
rt.a1<-rpart(a1~.,data=algae[,1:12])
rt.a1
prettyTree(rt.a1)
printcp(rt.a1)

rt2.a1<-prune(rt.a1,cp=0.08)
rt2.a1

#rt.a1<-rpartXse(a1~.,data=algae[,1:12])

first.tree<-rpart(a1~.,data=algae[,1:12])
snip.rpart(first.tree,c(4,7))

#prettyTree(first.tree)
#snip.rpart(first.tree)