如何导出叶节点（rpart）的标准偏差？答案

【问题标题】：how derive standard deviation of the leaf nodes (rpart)?如何导出叶节点（rpart）的标准偏差？
【发布时间】：2019-01-07 16:04:05
【问题描述】：

我用 rpart 做了一个回归树，根据几个变量来评估老年人的步行情况。通过使用绘图，我想使用输出在另一个软件中进行进一步分析。但是我想知道是否不仅可以从叶节点导出每组的步行，还可以从叶节点导出标准偏差（就步行而言）？

image of my regression tree

#### Decision tree with rpart
modelRT <- rpart(logwalkin~.-walkinmin-walkingtime, data=trainDF,
             control=rpart.control(minsplit=25, maxdepth = 8, cp =0.00005))
rpart.plot(modelRT,type=3,digits=3,fallen.leaves=TRUE)

【问题讨论】：

标签： r decision-tree rpart

【解决方案1】：

要绘制树的每个节点的标准差，您可以使用 rpart.plot 和 node.fun，如第 6 章所述 rpart.plot package vignette。例如

library(rpart.plot)
data(iris)
tree = rpart(Sepal.Length~., data=iris, cp=.05) # example tree

# Calculate the standard deviation at each node of the tree.
sd <- sqrt(tree$frame$dev / (tree$frame$n-1))

# Append the standard deviation as an extra column to the tree frame.
tree$frame <- cbind(tree$frame, sd)

# Create a node.fun to print the standard deviation at each node.
# See Chapter 6 of the rpart.plot vignette http://www.milbo.org/doc/prp.pdf.
node.fun.sd <- function(x, labs, digits, varlen)
{
    s <- round(x$frame$sd, 2) # round sd to 2 digits
    paste(labs, "\n\nsd", s)
 }

# Plot the tree, using the node.fun to add the standard deviation to each node
rpart.plot(tree, type=4, node.fun=node.fun.sd)

给了

如果您只想要叶节点的标准偏差（而不是内部节点），您可以这样做：

library(rpart.plot)
data(iris)
tree = rpart(Sepal.Length~., data=iris, cp=.05)
sd <- sqrt(tree$frame$dev / (tree$frame$n-1))
is.leaf <- tree$frame$var == "<leaf>" # logical vec, indexed on row in frame
sd[!is.leaf] <- NA # change sd of non-leaf nodes to NA
tree$frame <- cbind(tree$frame, sd)
node.fun2 <- function(x, labs, digits, varlen)
{
    s <- paste("\n\nsd", round(x$frame$sd, 2)) # round sd to 2 digits
    s[is.na(x$frame$sd)] <- "" # delete NAs
    paste(labs, s)
}
rpart.plot(tree, type=4, node.fun=node.fun2)

给了

【讨论】：

【解决方案2】：

我不认为你可以从图中做到这一点，但你当然可以从 rpart 模型中得出每个叶节点的标准差。由于您不提供数据，因此我将使用内置的虹膜数据进行示例。由于您对回归感兴趣，我将消除类变量（Species）并从其他变量中预测变量 Sepal.Length。

设置

library(rpart)
library(rpart.plot)

RP = rpart(Sepal.Length ~ ., data=iris[,-5])
rpart.plot(as.party(RP))

如您所见，节点 4、5、6、10、11、12 和 13 是叶节点。返回的结构RP$where 的一部分告诉您原始实例去了哪个叶子。所以你只需要使用这个变量进行聚合。

SD = aggregate(iris$Sepal.Length, list(RP$where), sd)
SD
  Group.1         x
1       4 0.2390221
2       5 0.2888391
3       6 0.2500526
4      10 0.4039577
5      11 0.3802046
6      12 0.3020486
7      13 0.2279132

Group.1 告诉您哪个叶节点，x 告诉您最终在该叶中的点的标准偏差。如果您希望将标准差添加到您的绘图中，您可以使用mtext 来实现。在摆弄了一些展示位置之后：

rpart.plot(RP)
mtext(text=round(SD$x,1), side=1, line=3.2, at=seq(0.06,1,0.1505))

【讨论】：