插入符号 rpart 决策树绘图结果

Posted 2023-03-12

【中文标题】插入符号 rpart 决策树绘图结果

【英文标题】：caret rpart decision tree plotting result

【发布时间】：2020-04-26 16:10:49

【问题描述】：

我正在根据Kaggle 的心脏病数据训练一个决策树模型。

由于我也在使用 10 倍 CV 构建其他模型，因此我正在尝试使用 caret 包和 rpart 方法来构建树。然而，情节结果很奇怪，因为“铊”应该是一个因素。为什么它显示“thaliumnormal

非常感谢！

编辑：我很抱歉没有提供足够的背景信息，这似乎造成了一些混乱。 “铊”是一个变量，代表一种用于检测冠状动脉狭窄（又名狭窄）的技术。它是一个具有三个级别（正常、固定缺陷、可逆缺陷）的因子。

此外，我想让图表更具可读性，例如而不是“thaliumnormal

但是，您可能已经注意到树是不同的，尽管我使用了推荐的 cp 值和 caret rpart CV 10 folds（参见下面的代码）。

我了解这两个包可能会导致一些差异。理想情况下，我可以使用 caret 和方法 rpart 来构建树，以便它与 caret 中内置的其他模型对齐。有谁知道如何使使用插入符号 rpart 构建的树模型的绘图标签更易于理解？

【参考方案1】：

您的因子thaliumnormal 是 0 或 1，代表是或否 - 对吗？

在这种情况下，rpart 采用中间值 0.5，因此 0 或 1 的所有决定都高于或低于 0.5。

低于截止值的值，在本例中为 0.5，总是向左转。所以thaliumnormal==0 左转，是的。

您可以看到与sex 相同的示例

【讨论】：

感谢您的回复。铊是一个因素，“正常”是其中一个水平（总共 3 个）。我认为插入符号会自动进行一次热编码转换，因此将原始变量名称与每个级别粘合在一起。

【参考方案2】：

如果有一些数据会有所帮助，例如dput(head(data)) 可以向我们展示您的数据的真实情况，或者str(data) 可以显示变量和数据类型的级别。

但很可能（没有看到）变量是thallium，一个级别是normal，并且表格选择了变量thallium的一个级别，并且正在评估，如果有什么是那个级别normal或不是。

树将分类变量按级别视为虚拟变量，并根据 >= .5 或

根据设计，大多数树算法会为每个变量（包括虚拟 0./1）选择最纯净（将最多观察值移到一侧或另一侧并更接近分类）的截止值，并选择一个指向两个值之间的中间，这两个值在组中产生最大的分离度。

对于二元变量，分割为 0.5，因为它介于两个不同值之间，一个级别可以取 0 和 1。

【讨论】：

谢谢！这就是我的想法:) 无论如何，你知道如何让情节结果更友好吗？ （有关详细信息，请参阅编辑后的帖子）

我真的没有。我已经在我的个人报告中使用这些类型进行解释和调整，如果利益相关者需要某些东西，可以手动创建更人性化的树木部分，并使用人工优化的标签和更好的演示配色方案......