将 rpart 规则导出到数据框并链接规则以训练数据

Posted 2023-03-12

【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？

【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
...

【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/

【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)