关于在 R 中拟合分类树的问题

Posted 2023-03-12

【中文标题】关于在 R 中拟合分类树的问题

【英文标题】：Problem about fitting classification trees in R

【发布时间】：2021-04-04 16:39:40

【问题描述】：

我正在使用数据集 Carseats 来适应分类树。我在这里所做的是尝试创建一个新变量“High”来指示销售额是高还是低，然后使用所有其他变量来预测变量“High”。

attach(Carseats)
High <- ifelse(Sales <= 8, "No", "Yes")
Carseats <- data.frame(Carseats, High)
tree.carseats <- tree(High~.-Sales, Carseats)
summary(tree.carseats)

但是我有两个问题：

当我运行上面的 tree() 函数时，我很容易得到对象“tree.carseats”以及警告消息“In tree(High ~ . - Sales, Carseats)：NAs 由强制引入”。我用 any(is.na()) 检查了这个模型中的所有变量，没有发现 NA。那么这个警告信息有什么问题呢？

当我运行 summary() 函数时，我失败并得到错误信息： “y 中的错误 - frame$yval[object$where] ： 二元运算符的非数字参数" 这个错误的原因是什么？

【参考方案1】：

首先，不要attach，这是R中最没用的指令，而且有潜在的危险。

关于警告，可以通过将High强制转换为因子来解决。

library(ISLR)
library(tree)

str(Carseats)

Carseats$High <- factor(ifelse(Carseats$Sales <= 8, "No", "Yes"))
tree.carseats <- tree(High ~ . -Sales, Carseats)
summary(tree.carseats)
#
#Classification tree:
#tree(formula = High ~ . - Sales, data = Carseats)
#Variables actually used in tree construction:
#[1] "ShelveLoc"   "Price"       "Income"      "CompPrice"   "Population" 
#[6] "Advertising" "Age"         "US"         
#Number of terminal nodes:  27 
#Residual mean deviance:  0.4575 = 170.7 / 373 
#Misclassification error rate: 0.09 = 36 / 400 

【讨论】：

感谢您的回答，但它不适合我...

@kaiyuwei "doesn't work" 不是很清楚，到底是什么问题？

与以前相同的错误消息。 “在树中（高 ~ . - Sales, Carseats）：强制引入的 NA”和“y 中的错误 - frame$yval[object$where]：二元运算符的非数字参数”

@kaiyuwei 你在使用包ISLR中的数据集Carseats吗？如果是，您是否尝试过关闭并重新启动 R？我的答案中的代码不会向我抛出错误或警告，我无法重现该错误。仅当 High 不是一个因素时才会出现有关 NA 的警告。

@kaiyuwei 我已经添加了summary的输出。