Question

假设我想使用虹膜数据示例，但正确分类杂色对我来说要重要5倍。

library(party)
data(iris)
irisct <- ctree(Species ~ .,data = iris, weights=ifelse(iris$Species=='versicolor', 5, 1))
plot(irisct)

然后树形图改变每个节点中的观察数和条件概率（它将versicolor乘以5）。有没有办法“禁用”这个，即显示原始观察数量（虹膜总数= 150）？

非常感谢你的帮助！

Answer 1

ctree()包中partykit的增强重新实现也具有更灵活的绘图功能。具体来说，node_barplot()面板函数获得了一个mainlab参数，可用于自定义主标签。例如，对于虹膜数据：

library("partykit")
ct <- ctree(Species ~ ., data = iris)

您可以设置标签向量，然后提供访问这些标签的函数：

lab <- paste("Foo", 1:7)
ml <- function(id, nobs) lab[as.numeric(id)]
plot(ct, tp_args = list(mainlab = ml))

当然，上面的示例并不是很有意义，但可以通过一些编码进行修改以达到您想要的效果。

但是，请注意使用weights参数对某些观测值进行上采样。 ctree()函数确实将weights视为案例权重，因此用于拆分的重要性测试会发生变化。随着观察数量的增加，所有p值变小，因此树选择更多分裂（除非同时增加mincriterion）。将上面的ct树与4个终端节点进行比较

ct2 <- ctree(Species ~ ., data = iris, weights = rep(2, 150))
ct3 <- ctree(Species ~ ., data = iris, weights = rep(2, 150), mincriterion = 0.999)

结果终端节点的数量是

c(width(ct), width(ct2), width(ct3))
[1] 4 6 4