R：从函数中获取规则

Posted 2023-03-12

【中文标题】R：从函数中获取规则

【英文标题】：R: Obtaining Rules from a Function

【发布时间】：2021-04-17 03:26:15

【问题描述】：

我正在使用 R 编程语言。我使用“rpart”库并使用一些数据拟合决策树：

#from a previous question : https://***.com/questions/65678552/r-changing-plot-sizes 

    library(rpart)

   car.test.frame$Reliability = as.factor(car.test.frame$Reliability)
    
    z.auto <- rpart(Reliability ~ ., car.test.frame)
    plot(z.auto)
    text(z.auto, use.n=TRUE, xpd=TRUE, cex=.8)

这很好，但我正在寻找一种更简单的方法来总结这棵树的结果，以防树变得太大、复杂和混乱（并且无法可视化）。我在这里找到了另一个 *** 帖子，显示了如何获取规则列表：Extracting Information from the Decision Rules in rpart package

library(party)
library(partykit)

party_obj <- as.party.rpart(z.auto, data = TRUE)
decisions <- partykit:::.list.rules.party(party_obj)
cat(paste(decisions, collapse = "\n"))

这将返回以下规则列表（每一行是对应于“z.auto”图的规则）：

    Country %in% c("NA", "Germany", "Korea", "Mexico", "Sweden", "USA") & Weight >= 3167.5
Country %in% c("NA", "Germany", "Korea", "Mexico", "Sweden", "USA") & Weight < 3167.5
Country %in% c("NA", "Japan", "Japan/USA")> 

但是，从这个列表中，不可能知道哪个规则导致哪个“可靠性”值。目前，我是手动解释树，并手动将每个规则跟踪到结果，但是有没有办法在每一行添加“可靠性的相应值”？

例如有可能制作出这样的东西吗？

Country %in% c("NA", "Germany", "Korea", "Mexico", "Sweden", "USA") & Weight >= 3167.5 then reliability = 3,7,4,0

（注 1：我也不确定为什么这些国家/地区显示为“befgh”而不是其实际名称。

note2：我知道有一个库“rpart.plot”可以更简单地获取这些规则。但是，我使用的计算机没有 Internet 访问权限或 USB 端口，因此我无法下载 rpart.plot 库。我有 R 和一些预加载的包。我正在尝试使用 rpart、dplyr、purr、party、partykit、base R 中的函数等库来获取决策规则）

谢谢

【参考方案1】：

这不是我的专业领域，但也许这个功能（来自https://www.togaware.com/datamining/survivor/Convert_Tree.html）会做你想做的事：

library(rpart)
car.test.frame$Reliability = as.factor(car.test.frame$Reliability)
z.auto <- rpart(Reliability ~ ., car.test.frame)
plot(z.auto, margin = 0.25)
text(z.auto, pretty = TRUE, cex = 0.8,
     splits = TRUE, use.n = TRUE, all = FALSE)

list.rules.rpart <- function(model)

  if (!inherits(model, "rpart")) stop("Not a legitimate rpart tree")
  #
  # Get some information.
  #
  frm     <- model$frame
  names   <- row.names(frm)
  ylevels <- attr(model, "ylevels")
  ds.size <- model$frame[1,]$n
  #
  # Print each leaf node as a rule.
  #
  for (i in 1:nrow(frm))
  
    if (frm[i,1] == "<leaf>")
    
      # The following [,5] is hardwired - needs work!
      cat("\n")
      cat(sprintf(" Rule number: %s ", names[i]))
      cat(sprintf("[yval=%s cover=%d (%.0f%%) prob=%0.2f]\n",
                  ylevels[frm[i,]$yval], frm[i,]$n,
                  round(100*frm[i,]$n/ds.size), frm[i,]$yval2[,5]))
      pth <- path.rpart(model, nodes=as.numeric(names[i]), print.it=FALSE)
      cat(sprintf("   %s\n", unlist(pth)[-1]), sep="")
    
  


list.rules.rpart(z.auto)
>Rule number: 4 [yval=3 cover=10 (20%) prob=0.00]
>   Country=Germany,Korea,Mexico,Sweden,USA
>   Weight>=3168
>
> Rule number: 5 [yval=2 cover=18 (37%) prob=4.00]
>   Country=Germany,Korea,Mexico,Sweden,USA
>   Weight< 3168
>
> Rule number: 3 [yval=5 cover=21 (43%) prob=2.00]
>   Country=Japan,Japan/USA

【讨论】：

谢谢！这是完美的，我一直在寻找这样的东西这么久！只是为了澄清：“规则编号：4”“4”真的没有任何意义吗？ yval=3 ...“3”是指类变量？ cover=10 (20%) ... 表示根据此规则分类的数据的百分比？我不确定“prob=0.00”是什么意思，你知道吗？非常感谢您的帮助！