有没有人可以帮我看一下我的决策树做分类问题的程序

新疆弹棉花的

我用patry包做决策树，用的是例子里面语句做的，但是没办法做分了，只有root，没法往下分了：
程序是：

setwd("F:/R/my r data/datamine")#SVM
train1<-read.table("dttrain.txt")

test<-read.table("dttest.txt")
#library(party)

train1

r=ctree(class~.,data=train1)
r
predict(ct,test)

使用class来分类，有19个变量

数据是：
train：
         x1       x2       x3       x4         x5         x6        x7
1  0.972422 0.661079 0.396789 0.685502  62.082393   6.521025 20.049376
2  0.654772 0.378612 0.686778 2.703065  24.519005   4.797598  5.866525
3  1.152834 0.916161 0.579846 1.437657   0.957256 107.398744  9.900178
4  1.986991 0.765442 0.443442 0.800461   9.718381   1.874220 12.937118
5  0.636443 0.357773 0.762939 4.262869  19.118422   3.398495  1.594650
6  1.061321 0.757523 0.388075 0.655875   4.191520   3.247103  1.469174
7  0.682839 0.539514 0.524906 1.215583 586.064612  18.444618  2.810783
8  0.939497 0.677401 0.520927 1.182344   5.453255   3.654199  1.249032
10 2.939969 2.031331 0.735459 3.456236 305.475445   7.527640  4.803490
11 1.568522 1.244007 0.468715 1.139440  16.233808   2.208166  1.215066
12 2.812253 2.343034 0.451667 0.896309 336.282031   5.493526  2.138856
13 0.294757 0.214778 0.449274 0.909662 239.011664  16.732138  3.352375
14 0.550641 0.468718 0.196366 0.264143  10.424537   7.471213  1.416317
15 1.146658 0.971417 0.526372 1.270796  33.712784  11.041188  1.252584
16 0.705338 0.565052 0.683178 2.316829  22.714608  34.551534  5.790395
17 1.145998 0.923041 0.485245 1.282061  15.198433  10.854075  2.213055
19 1.250703 0.945108 0.542949 1.277215   2.293004   2.112330  0.710099
         x8        x9         x10       x11       x12       x13       x14
1  0.729172  0.088184   -0.503242 -0.147918  0.031369  0.038327  0.046777
2  0.826614  0.067920   -9.744764  0.264955 -0.037243  0.039617  0.019304
3  0.384255  0.214729   -0.937316 -0.257735 -0.326834 -0.199632 -0.933554
4  0.845626 -0.019809   -0.960416  0.052405  0.002209  0.020364  0.005612
5  0.557004  0.423486   -1.646086 -0.104534 -0.078134 -0.000001 -0.134275
6  0.489170 -0.083268   -4.613890 -0.331404 -0.054110  0.003645 -0.025104
7  1.083983 -0.026971   -2.548364 -0.042705 -0.049281 -0.025278 -0.105992
8  0.876451  0.278428   -0.198852  0.249246  0.089347  0.091441  0.106428
10 1.364153  0.074989    0.793582  0.569629  0.027531  0.065889  0.119792
11 0.637698 -0.036286  -26.379324  0.112543 -0.120514 -0.054959 -0.108161
12 1.101451  0.215868   -0.386913  0.027859  0.023458  0.055194  0.045141
13 1.399501  0.055582    1.620573  0.558928  0.058143  0.098924  0.142720
14 0.889274  0.092763   -0.418611  0.166301  0.091388  0.081365  0.082147
15 0.140195 -0.008329 -177.975972  0.805329 -0.707694 -0.083551 -0.261444
16 1.886978  0.117973   -0.723964  0.223594  0.003614  0.033944  0.009542
17 1.120764  0.988723    2.778754  1.526922  0.029141  0.062755  0.034468
19 0.387487  0.054990   -0.431242  0.015422  0.047331  0.046400  0.034901
       x15       x16       x17       x18    x19 class
1   0.1800  0.107242  0.080321  0.138932 3.8100     S
2  -0.2088  0.103443  0.083694  0.071820 2.4148     S
3  -0.1810 -0.334561 -0.309152 -0.477123 1.0350     S
4   0.1200 -0.119427 -0.119427 -0.068905 3.5400     S
5  -0.2100  0.043609  0.032317  0.052165 1.4300     S
6  -0.0375  0.438002  0.433548  0.198273 1.4600    NS
7  -0.1902 -0.005084 -0.004793 -0.002289 1.7002    NS
8   0.5500 -0.308960 -0.129015 -0.058058 5.1100    NS
10  0.7014 -0.042885 -0.033799 -0.024383 6.2319    NS
11 -0.3500  0.315692  0.186823  0.061596 2.9400    NS
12  0.2481  0.348698  0.342687  0.079025 5.5700    NS
13  0.5663  0.349466  0.169097  0.632229 4.2100    NS
14  0.2700  0.044894  0.041345  0.015803 3.3200    NS
15 -0.3781  0.244589  0.229146  0.105407 1.2570    NS
16  0.0600 -0.023533 -0.020797 -0.009624 5.9200    NS
17  0.0900  0.128654  0.128498  0.184871 2.4900    NS
19  0.0690  0.288327  0.285051  0.236568 1.9900    NS


test：

          x1        x2       x3       x4         x5        x6       x7
1   0.636443  0.357773 0.762939 4.262869  19.118422  3.398495 1.594650
2   0.712012  0.576934 0.683421 2.551649   3.841615  4.633811 0.944970
3  -0.176529 -0.549900 0.849958 0.211152   1.659595  0.718910 0.348450
4   0.824444  0.569909 0.552447 1.391442   8.924740  4.426857 1.667156
5   0.668021  0.306257 0.735459 3.456236 305.475445  7.527640 4.803490
6   2.394849  1.387848 0.362134 0.610391  12.122655  1.034087 0.557922
8   0.950287  0.655139 0.736392 3.029065  34.043873  4.820675 1.936181
9   0.682839  0.539514 0.524906 1.215583 586.064612 18.444618 2.810783
10  2.119271  1.295154 0.256212 0.362034   5.422476  2.888632 1.452533
11  0.943388  0.597041 0.620172 1.848473  59.866845  4.348472 1.767576
         x8        x9        x10       x11       x12       x13       x14
1  0.557004  0.423486  -1.646086 -0.104534 -0.078134 -0.000001 -0.134275
2  0.430753 -0.199248 -11.186967 -0.010943 -0.147490 -0.036466 -0.209997
3  0.199574  0.023451 -15.971081  0.249162 -0.151461 -0.021421 -0.165195
4  0.732547  0.006166   0.128940  0.063282 -0.011659  0.031062  0.005856
5  1.364153  0.074989  -2.891889  0.569629  0.027531  0.065889  0.119792
6  0.385508 -0.020818   0.502705  0.657166  0.301521  0.136758  0.175431
8  0.780441  0.428552   0.149416  0.538755  0.081764  0.092792  0.205433
9  1.083983 -0.026971  -1.632900 -0.042705 -0.049281 -0.025278 -0.105992
10 0.730923 -0.017339   0.130459  0.000716 -0.044027 -0.012577 -0.032072
11 1.020300  1.071346  -0.722948  0.519975  0.004288  0.040623  0.041172
       x15       x16       x17       x18    x19 class
1  -0.2100  0.043609  0.032317  0.052165 1.4300     S
2  -0.4800  0.017386  0.016329  0.017212 2.0600     S
3   0.0400 -0.172711 -0.128745 -0.495899 2.5900     S
4   0.0100  0.070422  0.069695  0.052722 1.9000    NS
5   0.7014  0.262823  0.152373  0.085118 6.2319    NS
6   0.6800  0.045212  0.034478  0.032047 4.2000    NS
8   1.5080  0.168769  0.100236  0.111268 9.6530    NS
9  -0.1902 -0.005084 -0.004793 -0.002289 1.7002    NS
10 -0.0579 -0.163074 -0.155504 -0.054032 1.7800    NS
11  0.2040  0.026155  0.023150  0.018980 5.4220    NS