R中的决策树

Question

我是R中机器学习的新手。这是我的数据集：

channels <- sample(c("AFFILIATE","DIRECT","DISPLAY"),100,T)
booking <- sample(c("N","Y"),100,T)
placements <- sample(c("R","L","TR","TL"),100,T)
site <- sample(c("www.google.com","www.yahoo.com"),100,T)
campaigns <- sample(c("camp1","camp2","camp3"),100,T)
data <- data.frame(channels,campaigns,site,placements,booking)

我想弄清楚哪种组合的预订概率更高。我使用以下R代码来计算决策树：

tree <- rpart(booking~channels+campaigns+site+placements,data=data,method="class")

它会生成一个输出，但输入顺序不正确（我想要一个树，其中顺序应该是频道→广告系列→网站→展示位置→预订）。此外，它仅为每个父节点提供两个叶节点，但我想生成一个树，其中每个父节点将有两个以上的叶节点。有没有可以满足要求的先进方法？ 在此先感谢!!

Answer 1

标准决策树不会对功能的顺序施加任何限制，除非它们区分的程度如何。所以我的猜测是你找不到任何准备好的实施来强制执行订单（也许其他人有其他建议吗？）。如果您想要严格的订单，那么您可以自己编写代码。在文献中查看如何计算分裂的基尼/增益标准。

我所知道的大多数实现都实现了二进制拆分，这意味着每个父级都有两个子级。你想要的是一个＆＃34; multiway＆＃34;分裂。

我希望这会有所帮助。