R - 如何使用 rpart？

Question

我无法使用 rpart 获得太多信息。

我有一个数据框：

a = structure(list(V1 = c(2, 3, 4, 2, 3, 2, 3, 3, 5, 3), V2 = c(15, 
26, 94, 15, 26, 33, 33, 33, 5, 15), V3 = structure(c(1L, 1L, 
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L), .Label = c("f", "t"), class = "factor")), .Names = c("V1", 
"V2", "V3"), row.names = c(NA, -10L), class = "data.frame")

> a
   V1 V2 V3
1   2 15  f
2   3 26  f
3   4 94  f
4   2 15  f
5   3 26  f
6   2 33  f
7   3 33  f
8   3 33  t
9   5  5  t
10  3 15  t

> rpart(V3 ~ ., data=a)
n= 10 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 10 3 f (0.7000000 0.3000000) *

为什么 rpart 没有提供更多信息，例如 (V1 == 2) 的三种情况都导致 response = "f"（第 1、4、6 行）？

本质上，我想知道：

• rpart 在给我上面的输出之前运行了哪些测试？
• rpart 是否包含测试 (V2 == 2) -> 响应统计信息，如果没有，我如何使其包含这样的测试和结果？

我已阅读rpart vignette，但没有找到答案。

Answer 1

如果您以?rpart 开头并按照Value 下的信息，您将转到?rpart.object，它会告诉您：

frame 数据框，树中的每个节点都有一行。这 框架的 row.names 包含跟随 a 的（唯一）节点号 按节点深度索引的二进制排序。 frame 的列包括 var、a 因子给出在每个拆分中使用的变量的名称 节点（叶子节点用级别“”表示），n，个数 到达节点的观测值，wt，案例权重的总和 到达节点的观察，dev，节点的偏差，yval， 节点处响应的拟合值，并拆分为两列 每个节点的左右分割标签矩阵。也包含在 框架是复杂度，这个分割的复杂度参数 将崩溃，ncompete，记录的竞争对手分裂的数量，以及 nsurrogate，记录的代理分割数。

可能存在的额外响应信息在 yval2 中，其中 包含节点处的事件数（泊松树），或矩阵 包含拟合的类，每个节点的类计数，类 概率和“节点概率”（分类树）。

其中一个整数向量的长度与数量相同 根节点中的观察值，包含帧的行数 对应每个观测值落入的叶子节点。

调用生成对象的调用的图像，但带有 参数全部命名并包含实际公式作为 公式论证。要重新评估调用，请说 update(tree)。

terms 类 c("terms", "formula") 的对象（参见 terms.object） 总结公式。被各种方法使用，但通常不是 与用户直接相关。

splits 描述拆分的数字矩阵：仅在存在时才存在 是任何。行标签是拆分变量的名称，列 是计数，观察的数量（没有缺失并且是 正权重）由拆分向左或向右发送（用于竞争对手 splits 这是向左或向右发送的号码 此拆分已被使用，对于代理拆分，它是缺少的数字 使用此代理决定的主要拆分变量）， ncat，变量的类别或级别数（+/-1 表示 连续变量），改进，这是偏差的改进 由这种分裂给出，或者，对于代理人来说， 与主要和索引，数字分割点的代理。这 最后一列 adj 给出了代理拆分的调整后一致性。 对于一个因子，索引列包含 csplit 的行号 矩阵。对于连续变量，ncat 的符号决定了是否 子集 x cutpoint 被发送到左边。

csplit 一个整数矩阵。 （仅当至少有一个时才出现 拆分变量是一个因子或有序因子。）有一行 每个这样的拆分，列数是最大的 因素的水平。哪一行由索引列给出 分割矩阵。如果该因子的水平下降，则列记录 1 向左，如果向右，则为 3，如果该级别不是，则为 2 存在于树的此节点（或未为因子定义）。

method 字符串：用于生长树的方法。之一 “class”、“exp”、“poisson”、“anova”或“user”（如果拆分函数 已提供）。

cptable 一个基于最优剪枝的信息矩阵 复杂度参数。

variable.importance 一个命名的数值向量，给出了重要性 每个变量。 （仅在有任何裂痕时出现。）当由 summary.rpart 这些被重新调整为 100。

numresp 整数个响应； a 的级别数 因子响应。

**parms, 控制**l 提供的参数的记录，默认值 填写。

函数所用方法的摘要、打印和文本函数。

为每个变量排序一个命名的逻辑向量记录，如果它是 一个有序的因子。

na.action（如果相关）由 model.frame 返回的信息 对从 na.action 参数派生的 NA 进行特殊处理。

Answer 2

您的问题的简短答案可能是这样的：

rpart(V3 ~ V1 + V2,data = a,control = rpart.control(minsplit = 5))

因此，您可能需要花一些时间阅读文档，特别强调rpart.control。但更广泛地说，请注意 rpart 仍然没有“测试”基于标准 V2 == 2 的拆分，仅仅是因为该变量是连续的。对连续变量的所有拆分都是简单的二元不等式拆分。只有因子会根据选择的水平子集进行拆分。

您链接到的小插图包含一个广泛的讨论（并引用了进一步讨论的引文），该讨论确切地说明了该函数通过什么过程来选择它所做的拆分，所以我不确定如何回应您声称您已阅读它的说法但没有找到答案。