如何计算落在树的每个节点中的观察结果

Question

我目前正在处理MMST包中的葡萄酒数据。我已将整个数据集拆分为训练和测试，并构建一个类似以下代码的树：

library("rpart")
library("gbm")
library("randomForest")
library("MMST")

data(wine)
aux <- c(1:178)
train_indis <- sample(aux, 142, replace = FALSE)
test_indis <- setdiff(aux, train_indis)

train <- wine[train_indis,]
test <- wine[test_indis,]    #### divide the dataset into trainning and testing

model.control <- rpart.control(minsplit = 5, xval = 10, cp = 0)
fit_wine <- rpart(class ~ MalicAcid + Ash + AlcAsh + Mg + Phenols + Proa + Color + Hue + OD + Proline, data = train, method = "class", control = model.control)

windows()
plot(fit_wine,branch = 0.5, uniform = T, compress = T,  main = "Full Tree: without pruning")
text(fit_wine, use.n = T, all = T, cex = .6)

我可以得到这样的图像：

每个节点下的数字（例如Grignolino下的0/1/48）是什么意思？ 如果我想知道每个节点有多少培训和测试样本，我应该在代码中写什么？

Answer 1

数字表示该节点中每个类的成员数。所以，标签＆＃34; 0/1/48＆＃34;告诉我们，类别1有0个案例（Barabera，我推断），第2类（Barolo）只有一个例子，第3类（格里尼奥利诺）有48个。

您可以使用summary(fit_wine)获取有关树和每个节点的详细信息 有关详细信息，请参阅?summary.rpart。

您还可以使用predict()（将调用predict.rpart()）查看树如何对数据集进行分类。例如，predict(fit_wine, train, type="class")。或者将其包装在表格中以便于查看table(predict(fit_wine, train, type = "class"),train[,"class"])

如果您特别想知道观察到哪个叶节点，则此信息存储在fit_wine$where中。对于数据集中的每个案例，fit_wine$where包含fit_wine$frame的行号，表示案例所在的叶节点。因此，我们可以通过以下方式获取每个案例的叶信息：

trainingnodes <- rownames(fit_wine$frame)[fit_wine$where]

为了获取测试数据的叶信息，我曾经使用predict()运行type="matrix"并推断它。这令人困惑地返回了一个矩阵，该矩阵是通过连接预测的类，在该结构树中该节点处的类计数和类概率而产生的。所以对于这个例子：

testresults <- predict(fit_wine, test, type = "matrix")
testresults <- data.frame(testresults)
names(testresults) <- c("ClassGuess","NofClass1onNode", "NofClass2onNode",
     "NofClass3onNode", "PClass1", "PClass2", "PClass2")

由此，我们可以推断出不同的节点，例如来自unique(testresults[,2:4]），但它不够优雅。

然而，Yuji has a clever hack for this at a previous question。他复制了rpart对象并将节点替换为类，因此运行predict会返回节点而不是类：

nodes_wine <- fit_wine
nodes_wine$frame$yval = as.numeric(rownames(nodes_wine$frame))
testnodes <- predict(nodes_wine, test, type="vector")

我已经在此处提供了解决方案，但人们go should upvote him。