R语言 回归树/袋装树/随机森林预测

Question

给定数据集data：链接：https://pan.baidu.com/s/1589RdaTGZaTlQAAOzfO58A 提取码：65bb
将前 90 个观察值视为训练集，其余 4 个观察值视为评估集。通过MSFE比较回归树、装袋树和随机森林的预测性能。
请问这个代码该如何编辑？

Answer 1

请参考：

# 加载数据
data <- read.csv("data.csv")

# 将前 90 个观察值分配给训练集，其余4个观察值分配给评估集
trainIndex <- 1:90
testIndex <- (90 + 1):nrow(data)
trainData <- data[trainIndex, ]
testData <- data[testIndex, ]

# 建立回归树模型
library(rpart)
regressionTree <- rpart(Budget ~ ., data = trainData)

# 建立装袋树模型
library(ipred)
baggingTree <- bagging(Budget ~ ., data = trainData)

# 建立随机森林模型
library(randomForest)
randomForest <- randomForest(Budget ~ ., data = trainData)

# 通过MSFE比较回归树、装袋树和随机森林的预测性能
msfeRegressionTree <- mean((predict(regressionTree, newdata = testData) - testData$Budget)^2)
msfeBaggingTree <- mean((predict(baggingTree, newdata = testData) - testData$Budget)^2)
msfeRandomForest <- mean((predict(randomForest, newdata = testData) - testData$Budget)^2)

cat("MSFE of regression tree:", msfeRegressionTree, "\n")
cat("MSFE of bagging tree:", msfeBaggingTree, "\n")
cat("MSFE of random forest:", msfeRandomForest, "\n")