rpart中的Minbucket和权重

Posted 2023-03-12

【中文标题】rpart中的Minbucket和权重

【英文标题】：Minbucket and weights in rpart

【发布时间】：2015-05-31 02:32:07

【问题描述】：

向 rpart 和党的专家提出几个问题。

1) 我想了解rpart 和party 中控制参数“minbucket”的区别。 rpart 中的 minbucket 未加权是否正确（即使提供了适合树的权重）？

2) 谁能简要描述一下 rpart 算法中如何使用权重？我试图下载并查看源代码，但我无法理解它是一个新手。 rpart 调用了一个 C 函数（C_rpart），这似乎是 rpart 的主要部分，但我找不到更多关于它的信息。

非常感谢。

【参考方案1】：

rpart（以及大多数其他机器学习算法）中的权重参数可以被认为完全等同于多次复制这些训练项目。权重为 5 与该行重复 5 次相同。只要您的数据集足够小，您就可以使用一些简单的代码显式创建它：

data[rep(1:nrow(data),times=data$weights),] 

【讨论】：

我和原始发帖人有同样的问题，但我认为这个答案没有得到证实。我的数据的最小权重为 500。当我将 minbucket 设置为 500 时，我根本没有得到任何树，因此它不能按权重工作。当我将其设置回 8（接近默认值）时，我得到了一棵合理的树。