将 rpart 规则导出到数据框并链接规则以训练数据
Posted
技术标签:
【中文标题】将 rpart 规则导出到数据框并链接规则以训练数据【英文标题】:export rpart rules to a data frame and link rules to train data 【发布时间】:2018-07-07 11:06:48 【问题描述】:我已经用 rpart 训练了一些数据,并且对使用树终端节点标记每个观察结果感兴趣, 并链接到该终端节点对应的规则。
我以下面的代码为例:
library(rpart)
library(rattle)
fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis)
table(fit$where)
rattle::asRules(fit)
我可以通过 fit$where 标记每个观察结果, 标签是:
> table(fit$where)
3 5 7 8 9
29 12 14 7 19
第一个问题:这些标签和rattle::asRules(fit)生成的标签不对应,分别是3,23,22,10,4 如何生成两者之间的映射表?
第二个问题:asRules 只是打印,而我想将规则放在表格中而不是标准输出中。
我的预期结果:在 fit$where 和 asRules 标签之间具有映射的数据框以及将规则文本作为字符串的另一列,例如:
Rule number: 4 [Kyphosis=absent cover=29 (36%) prob=0.00]
Start>=8.5
Start>=14.5
如果我们可以在单独的列中将文本解析为 ID、统计信息和条件,那就更好了,但不是强制性的。
我找到了很多相关的问题和链接,但没有找到最终答案。
非常感谢, 卡玛谢
进度更新 29/01
如果我有规则 ID,我可以通过 path.rpart 分别提取每个规则:
>path.rpart(fit,node=22)
node number: 22
root
Start>=8.5
Start< 14.5
Age>=55
Age>=111
这让我将规则作为可以转换为字符串的列表。 但是 ID 抱怨的是“asRules”功能而不是“fit$where”...
使用“partykit”得到与“fit$where”相同的结果:
library("partykit")
> table(predict(as.party(fit), type = "node"))
3 5 7 8 9
29 12 14 7 19
所以,我仍然无法在两者之间建立联系(asRules ID 和 fit$where ID), 我可能遗漏了一些基本的东西,或者有更直接的方法来完成这项任务。
你能帮忙吗?
【问题讨论】:
【参考方案1】:可以通过使用找到每个fit$where对应的规则号(其实就是叶子节点号)
> row.names(fit$frame)[fit$where]
[1] "3" "22" "3" "3" "4" "4" ...
你可能会更接近你想要的输出
> rattle::asRules(fit, TRUE)
R 3 [23%,0.58] Start< 8.5
R 23 [ 9%,0.57] Start>=8.5 Start< 14.5 Age>=55 Age< 111
...
【讨论】:
【参考方案2】:对于这个值,这毕竟是我用过的:
[1] 用于 fit$where 和 asRules 之间的标签对齐我使用了@Graham Williams 的解决方案, 或者通过采用@VitoshKa 的函数来获得正确的标签:https://***.com/a/30088268/8263160
[2] 用于在数据框中创建格式良好的规则列表,我采用并修改了 Tomáš Greif 的 parse_tree 函数: https://www.r-bloggers.com/create-sql-rules-from-rpart-model/
【讨论】:
【参考方案3】:你的意思是这样的吗?
library(rpart)
library(rpart.utils)
library(dplyr)
#model
fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis)
#dataframe having leaf node's rule and subrule combination
rule_df <- rpart.rules.table(fit) %>%
filter(Leaf==TRUE) %>%
group_by(Rule) %>%
summarise(Subrules = paste(Subrule, collapse=","))
#final dataframe
df <- kyphosis %>%
mutate(Rule = row.names(fit$frame)[fit$where]) %>%
left_join(rule_df, by="Rule")
head(df)
#subrule table
rpart.subrules.table(fit)
输出为:
Kyphosis Age Number Start Rule Subrules
1 absent 71 3 5 3 R1
2 absent 158 3 14 22 L1,R2,R3,L4
3 present 128 4 5 3 R1
4 absent 2 5 1 3 R1
5 absent 1 4 15 4 L1,L2
6 absent 1 2 16 4 L1,L2
子规则定义:
Subrule Variable Value Less Greater
1 L1 Start 8.5 <NA> 8.5
2 L2 Start 14.5 <NA> 14.5
3 L3 Age <NA> 55 <NA>
4 L4 Age 111 <NA> 111
5 R1 Start <NA> 8.5 <NA>
6 R2 Start <NA> 14.5 <NA>
7 R3 Age 55 <NA> 55
8 R4 Age <NA> 111 <NA>
【讨论】:
伟大的投入,rpart.utils 包在这里提供了所需的价值(我以前不是家庭)【参考方案4】:可以通过这种方式获取规则(叶子)的数量:
nrules <- as.integer(rownames(fit$frame[fit$frame$var == "<leaf>",]))
您也可以像这样迭代规则:
rules <- lapply(nrules, path.rpart, tree=fit, pretty=0, print.it=FALSE)
另一种选择是使用包rpart.plot
rules <- rpart.plot::rpart.rules(model, cover=T, nn=T)
【讨论】:
以上是关于将 rpart 规则导出到数据框并链接规则以训练数据的主要内容,如果未能解决你的问题,请参考以下文章
获取 R 中 rpart/ctree 包的每一行预测数据集的决策树规则/路径模式