tree_prior est chargé dans votre espace de travail.
Utilisez plotcp() pour visualiser l’erreur issue de la validation croisée (X-val Relative Error) en fonction du paramètre de complexité pour tree_prior.
Utilisez printcp() pour afficher un tableau d’informations sur CP, les divisions (splits) et les erreurs. Voyez si vous pouvez identifier quelle division présente l’erreur de validation croisée minimale dans tree_prior.
Utilisez which.min() pour identifier quelle ligne de tree_prior$cptable présente l’erreur de validation croisée minimale "xerror". Affectez ce résultat à index.
Créez tree_min en sélectionnant, dans la colonne "CP", l’index correspondant de tree_prior$cptable.
Utilisez la fonction prune() pour obtenir l’arbre élagué. Nommez l’arbre élagué ptree_prior.
Le package rpart.plot est chargé dans votre espace de travail. Représentez l’arbre élagué avec la fonction prp() (paramètres par défaut).

Construire des arbres de décision avec le package rpart()