将信息添加到树 - Rpart

Question

我想向我的树中添加一些信息。假设我有一个这样的数据库：

library(rpart)
library(rpart.plot)
set.seed(1)
mydb<-data.frame(results=rnorm(1000,0,1),expo=runif(1000),var1=sample(LETTERS[1:4],1000,replace=T),
                 var2=sample(LETTERS[5:6],1000,replace=T),var3=sample(LETTERS[20:25], 1000,replace=T))

我可以运行一棵树：

mytree<-rpart(results~var1+var2+var3,data=mydb,cp=0)
pfit<- prune(mytree, cp=mytree$cptable[4,"CP"])
prp(pfit,type=1,extra=100,fallen.leaves=F,shadow.col="darkgray",box.col=rgb(0.8,0.9,0.8))

结果如下所示：

这对我来说没问题，但假设我想知道每片叶子的平均曝光量。

我知道我可以在 prp 中添加一些信息，例如每个叶子的重量和一个函数：

node.fun1 <- function(x, labs, digits, varlen)
{
  paste("Weight \n",x$frame$wt)
}

prp(pfit,type=1,extra=100,fallen.leaves=F,shadow.col="darkgray",box.col=rgb(0.8,0.9,0.8),node.fun = node.fun1)

但它只有在帧中计算时才有效，即 rpart 函数的结果。

我的问题：

如何将自定义信息添加到绘图中，例如平均曝光率或任何其他计算自定义指标的函数并将其添加到表格 frame 中？

Answer 1

这真是太好了，我不知道这是一个选项。

所有工作似乎都是获取每个节点上使用的原始数据的子集。这对于终端节点来说很容易，但我没有找到一种直接的方法来识别每个节点中使用的数据行，而不仅仅是叶子。如果有人知道更简单的方法，我很想听听。

library('rpart.plot')
set.seed(1)
mydb<-data.frame(results=rnorm(1000,0,1),expo=runif(1000),var1=sample(LETTERS[1:4],1000,replace=T),
                 var2=sample(LETTERS[5:6],1000,replace=T),var3=sample(LETTERS[20:25], 1000,replace=T))
mytree<-rpart(results~var1+var2+var3,data=mydb,cp=0)
pfit<- prune(mytree, cp=mytree$cptable[4,"CP"])

rpart.plot(pfit)

定义采用x 的新函数，这是拟合rpart 的结果（我没有研究其他参数，但小插图应该会有所帮助）。

对于x$frame 的每一行，我们需要获取用于计算汇总统计的数据。不幸的是，x$where 只告诉我们每个观察点所在的终端节点。所以对于每个节点号，我们使用subset.rpart 来获取底层数据，然后用它做任何你想做的事情

f <- function(x, labs, digits, varlen) {
  nodes <- as.integer(rownames(x$frame))
  z <- sapply(nodes, function(y) {
    data <- subset.rpart(x, y)
    c(mean = mean(data$expo), nrow(data), nrow(data) / length(x$where) * 100)
  })
  sprintf('Mean expo: %.2f\nn=%.0f (%.0f%%)', z[1, ], z[2, ], z[3, ])
}

prp(pfit, type=1, extra=100, fallen.leaves=FALSE,
    shadow.col="darkgray", box.col=rgb(0.8,0.9,0.8),
    node.fun = f)

这项工作由subset.rpart 完成，它接受一个节点号并返回该节点上使用的data 的子集。

subset.rpart <- function(tree, node = 1L) {
  ## returns subset of tree$call$data used on any node
  data <- eval(tree$call$data, parent.frame(1L))
  wh <- sapply(as.integer(rownames(tree$frame)), parent)
  wh <- unique(unlist(wh[sapply(wh, function(x) node %in% x)]))
  data[rownames(tree$frame)[tree$where] %in% wh[wh >= node], ]
}

parent <- function(x) {
  ## returns vector of parent nodes
  if (x[1] != 1)
    c(Recall(if (x %% 2 == 0L) x / 2 else (x - 1) / 2), x) else x
}

测试

## tests
dim(subset.rpart(pfit, 1)) == dim(mydb)
# [1] TRUE TRUE

## terminal nodes
nodes <- as.integer(rownames(pfit$frame[pfit$frame$var %in% '<leaf>', ]))
sum(sapply(nodes, function(x) nrow(subset.rpart(pfit, x)))) == nrow(mydb)
# [1] TRUE

Answer 2

我不知道这是否正是您想要的，但请尝试“sparkline”和“visNetwork”包。他们使用 rpart 对象