在更改先验概率后剪枝

在视频中，您已经学习到，为了避免过拟合，需要对树进行剪枝。前面练习里出现了一些很大的树。现在请将所学应用到实践中，对先验概率已更改的树进行剪枝。rpart 包已在您的工作空间中加载。

首先请设置随机种子，以确保结果可复现，就像视频中提到的那样，因为您将检查交叉验证误差。由于存在随机性，如果使用不同的随机种子再次运行函数，结果可能会略有不同。

在本练习中，您将学习如何找出哪个复杂度参数（CP）可以使交叉验证误差最小，然后根据该值对您的树进行剪枝。

tree_prior 已加载到您的工作空间。
使用 plotcp() 可视化 tree_prior 的复杂度参数与交叉验证误差（X-val Relative Error）的关系。
使用 printcp() 打印包含 CP、分裂次数和误差的信息表。查看您是否能识别出 tree_prior 中哪个分裂对应的交叉验证误差最小。
使用 which.min() 找到 tree_prior$cptable 中交叉验证误差 "xerror" 最小的是哪一行。将结果赋给 index。
在列 "CP" 中，按 index 从 tree_prior$cptable 取值，创建 tree_min。
使用 prune() 获得剪枝后的树。将剪枝后的树命名为 ptree_prior。
包 rpart.plot 已在您的工作空间中加载。使用函数 prp()（默认设置）绘制剪枝后的树。