如何实现使用 ctree（party 包）构建的决策树的输出？

Posted 2023-03-12

【中文标题】如何实现使用 ctree（party 包）构建的决策树的输出？

【英文标题】：How to implement the output of decision tree built using the ctree (party package)?

【发布时间】：2013-08-26 07:25:09

【问题描述】：

我通过party 包使用ctree 函数构建了一个决策树。它有1700个节点。 首先，ctree 有没有办法给出maxdepth 参数？我尝试了control_ctree 选项，但是它抛出了一些错误消息，说找不到 ctree 函数。

另外，我如何使用这棵树的输出？如何为 SAS 或 SQL 等其他平台实现它。对于节点末尾的值"* weights = 4349 " 表示什么，我还有另一个疑问。我怎么知道，哪个终端节点投票给哪个预测值。

【问题讨论】：

请先简化您的问题，举例说明您在 R 控制台中实际编写的功能。

库（方）train.treeM1

这是我使用的代码，它创建了一个树。现在我希望这棵树的输出在 SAS/SQL 中实现，格式如下。

1) U_OG_CALL_CNT_M1M2

输出持续了大约 1700 行.... 谁能告诉我如何破译结束节点如何为可能的输出投票。

【参考方案1】：

ctree 中有一个maxdepth 选项。它位于ctree_control()

你可以如下使用它

airq <- subset(airquality, !is.na(Ozone))
airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(maxdepth = 3))

您还可以将拆分大小和存储桶大小限制为“不小于”

airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(minsplit= 50, minbucket = 20))

你也可以减少增加感性和降低P值

airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(mincriterion = 0.99))

您提到的weights = 4349 只是该特定节点中的观察数。 ctree 默认为每个观察值赋予 1 的权重，但如果您认为您的观察值值得更大的权重，您可以向 ctree() 添加一个权重向量，该向量必须与数据集的长度相同并且必须是非负整数。完成此操作后，weights = 4349 必须谨慎解读。

使用weights 的一种方法是查看哪些观察结果落在某个节点中。使用上面示例中的数据，我们可以执行以下操作

airq <- subset(airquality, !is.na(Ozone))
airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(maxdepth = 3))
unique(where(airct)) #in order the get the terminal nodes
[1] 5 3 6 9 8

因此我们可以检查例如节点 5 中的内容

n <- nodes(airct , 5)[[1]]
x <- airq[which(as.logical(n$weights)), ]  
x
    Ozone Solar.R Wind Temp Month Day
1      41     190  7.4   67     5   1
2      36     118  8.0   72     5   2
3      12     149 12.6   74     5   3
4      18     313 11.5   62     5   4
...

使用此方法，您可以创建包含终端节点信息的数据集，然后将它们导入 SAS 或 SQL

您还可以使用下面我的答案中的函数获取拆分条件列表 ctree() - How to get the list of splitting conditions for each terminal node?