Нулевой результат при интеллектуальном анализе данных R в дереве решений

Это не работает, потому что все ваши прогнозы относятся к классу большинства:

fl = https://raw.githubusercontent.com/niharikabalachandra/Logistic-Regression/master/FlightDelays.csv

tugas=read.csv(fl)
dipakai=c(1,2,4,8,10,13) 
l=dim(tugas)[1] 
tugas<-tugas[1:l,dipakai] 

n <- round(nrow(tugas)*0.70)
set.seed(123)
samp=sample(1:nrow(tugas),n)
data.train = tugas[samp,]
data.test = tugas[-samp,]

fit <- rpart(delay~., data = data.train, method = 'class')
table(predict(fit,type = "class"))

delayed  ontime 
      0    1541 

Вам нужно решить эту проблему несбалансированного обучения. Ниже я просто настраиваю веса, чтобы получить прогнозы, которые не являются всеми классами большинства, однако это не повышает точность модели:

wt = ifelse(data.train$delay == "delayed",1.5,1)
fit <- rpart(delay~., data = data.train, method = 'class',weights =wt)
 table(predict(fit,type = "class"))

delayed  ontime 
     97    1444

table(predict(fit,data.train,type = "class"),data.train$delay)
         
          delayed ontime
  delayed      53     44
  ontime      235   1209

Вы можете получить значение сейчас:

fit$variable.importance
  carrier      dest schedtime   dayweek    origin 
40.275159 23.709600 19.088864 16.221204  9.527087