R：手动计算类方法的rpart相对误差（虹膜数据集）

Question

我安装了以下树

library(rpart)    
treeResult = rpart(Species~., data=iris[1:120,], method="class")

我正在尝试手动计算下面的黄色数字 (0.285714)。

我认为如果树从 0 到 1 节点，这应该是基尼杂质的相对减少：

pNode1 = c(50,50,20)/120
pNode2 = c(50,0,0)/50
pNode3 = c(0,50,20)/70
# The counts used to calculate these pNodes are taken from summary(treeResult).

impurityNode1 = sum(pNode1*(1-pNode1))
impurityNode2 = sum(pNode2*(1-pNode2))
impurityNode3 = sum(pNode3*(1-pNode3))

relativeError = (50/120*impurityNode2+70/120*impurityNode3) / impurityNode1

但是，这会产生 0.3809524 而不是 0.285714。

Answer 1

没有。它不是相对基尼杂质。这是显示相对总杂质。

在顶层节点，杂质为 70/120 = 0.58333。第一次拆分后，一个节点完美分类了 50 个点，另一个节点进行了 50/20 拆分。因此，120 个点中有 20 个错误，该级别的杂质为 20/120 = 0.16666。计算的相对杂质是

(20/120) / (70/120) = 0.16666/0.58333 = 0.285714

为了完整起见，第二次拆分后有 3 个错误。相对于最初的 70 个错误，我们有 3/70 = 0.042857（nsplit=2 旁边的数字）。