R Studio 中的 rpart 执行

Question

我正在研究泰坦尼克号数据集。我正在尝试填写 CABIN 列中的空白。我从 CABIN 列值中提取了第一个字母，然后将它们放在 CABIN_NEW 列中。之后我使用rpart进行预测，但不知何故，每次我运行下面的代码时，R都会花费很多时间（一次还没完成，每次都必须终止它）。

DATAset 有 1309 行，我使用的列在下面的代码中。我使用的系统在 4 GB Ram、i5 处理器和 Window 7 上运行。

combifit  <- rpart(Cabin_New ~ Pclass + Sex + Age + SibSp + Parch + Fare + Embarked + Title
                     + FamilySize + Surname + FamilyID,
                    data = combi[!is.na(combi$Cabin_New),], method = 'class')

Answer 1

我看到你使用了很多因子变量。请检查每个因素中存在多少个因素水平。如果这个值很高，比如说姓氏，如果它是 100，那么 R 将不得不为所有其他因素创建 100 个变量等等。所以我的猜测是，由于这些因素变量，rpart 必须研究很多变量，才能决定拆分。因此会花费很多时间。

还阅读了一些关于rpart.control 的信息，因为 rpart 所做的拆分数量取决于传递给rpart 的参数。例如，cp 就是这样一个参数。其默认值为 0.01。尝试将其值从 0.5 更改为 0.1。类似地使用其他参数，您可能能够更快地运行rpart。