我已经通过 ctree 包使用 party 函数构建了一个决策树。它有 1700 个节点。
首先，在 ctree 中有没有办法给出 maxdepth 参数？我尝试了 control_ctree 选项，但是它抛出了一些错误消息，说找不到 ctree 函数。
另外，我怎样才能消耗这棵树的输出？。如何为 SAS 或 SQL 等其他平台实现。我还怀疑节点末尾的 "* weights = 4349 " 值表示什么。我怎么知道哪个终端节点投票给哪个预测值。
最佳答案
ctree 中有一个 maxdepth 选项。它位于 ctree_control()
您可以按如下方式使用它
airq <- subset(airquality, !is.na(Ozone))
airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(maxdepth = 3))
您还可以将拆分大小和存储桶大小限制为“不小于”
airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(minsplit= 50, minbucket = 20))
您还可以减少增加的敏感性并降低 P 值
airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(mincriterion = 0.99))
您提到的
weights = 4349 只是该特定节点中的观察数。 ctree 默认为每个观察值赋予 1 的权重，但是如果您觉得您的观察值值得更大的权重，您可以向 ctree() 添加一个权重向量，该向量必须与数据集的长度相同，并且必须是非负整数。执行此操作后，必须谨慎解释 weights = 4349。使用
weights 的一种方法是查看哪些观察值落在某个节点上。使用上面例子中的数据，我们可以执行以下操作airq <- subset(airquality, !is.na(Ozone))
airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(maxdepth = 3))
unique(where(airct)) #in order the get the terminal nodes
[1] 5 3 6 9 8
因此我们可以检查节点号 5 中的内容，例如
n <- nodes(airct , 5)[[1]]
x <- airq[which(as.logical(n$weights)), ]
x
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.6 74 5 3
4 18 313 11.5 62 5 4
...
使用此方法，您可以创建包含终端节点信息的数据集，然后将它们导入 SAS 或 SQL
您还可以使用下面我的答案中的函数获取拆分条件列表
ctree() - How to get the list of splitting conditions for each terminal node?
关于r - 如何实现使用ctree(party包)构建的决策树的输出？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/18399510/