Question

如何知道构造树中实际使用了哪些变量？

model = tree(status~., set.train)

如果我写的话，我可以看到变量：

summary(model)

tree(formula = status ~ ., data = set.train)
Variables actually used in tree construction:
[1] "spread1"      "MDVP.Fhi.Hz." "DFA"          "D2"           "RPDE"                "MDVP.Shimmer" "Shimmer.APQ5"
Number of terminal nodes:  8 
Residual mean deviance:  0.04225 = 5.831 / 138 
Distribution of residuals:
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
-0.9167  0.0000  0.0000  0.0000  0.0000  0.6667

但我怎样才能进入矢量，实际使用哪些变量的索引？

Answer 1

您可以使用str()函数查看对象的结构。在那里查看时，你应该看到一些不同的地方来提取用于制作树模型的变量，这里有一个例子：

> library(tree)
> 
> fit <- tree(Species ~., data=iris)
> attr(fit$terms,"term.labels")
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"

编辑：既然您专门询问了索引，那么您可以match()那些支持数据集中的变量名称（尽管它们可能总是按顺序排列 - 我没有使用tree包之前所以我不能说）。

> match(attr(fit$terms,"term.labels"),names(iris))
[1] 1 2 3 4
> names(iris)[match(attr(fit$terms,"term.labels"),names(iris))]
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"

EDIT2：

你是对的！试试这个：

> summary(fit)$used
[1] Petal.Length Petal.Width  Sepal.Length
Levels: <leaf> Sepal.Length Sepal.Width Petal.Length Petal.Width

Answer 2

从那以后，使用包rpart而不是tree。我认为Brian Ripley在rpart中使用的解决方案（以rpart :: printcp（）编码）仍然很有趣。它是这样的：

library(rpart)
r.rp <- rpart(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width,   data=iris)
r.rp

# extract from rpart::printcp()
frame <- r.rp$frame
leaves <- frame$var == "<leaf>"
used <- unique(frame$var[!leaves])
if (!is.null(used)) {
   cat("Variables actually used in tree construction:\n")
   print(sort(as.character(used)), quote = FALSE)
cat("\n")
}

Answer 3

我认为这就是您要寻找的

fit <- rpart(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data=iris) used.var <- setdiff(levels(fit$frame$var), "<leaf>")

Answer 4

如果您愿意切换到类似的程序包rpart，您可以直接从fit

获取按重要性排序的变量

fit <- rpart(Species ~., data=iris)
fit$variable.importance

树中使用的变量

4 个答案: