Question

说我有

head(kyphosis)
inTrain <- sample(1:nrow(kyphosis), 45, replace = F)
TRAIN_KYPHOSIS <- kyphosis[inTrain,]
TEST_KYPHOSIS <- kyphosis[-inTrain,]

(kyph_tree <- rpart(Number ~ ., data = TRAIN_KYPHOSIS))

如何在TEST_KYPHOSIS？

中为每个观察点从拟合对象中获取终端节点

如何获取摘要，例如每个测试观察映射到的终端节点的偏差和预测值？

Answer 1

rpart实际上有这个功能，但它没有暴露（奇怪的是，它是一个相当明显的要求）。

predict_nodes <-
    function (object, newdata, na.action = na.pass) {
        where <-
            if (missing(newdata)) 
                object$where
            else {
                if (is.null(attr(newdata, "terms"))) {
                    Terms <- delete.response(object$terms)
                    newdata <- model.frame(Terms, newdata, na.action = na.action, 
                                           xlev = attr(object, "xlevels"))
                    if (!is.null(cl <- attr(Terms, "dataClasses"))) 
                        .checkMFClasses(cl, newdata, TRUE)
                }
                rpart:::pred.rpart(object, rpart:::rpart.matrix(newdata))
            }
        as.integer(row.names(object$frame))[where]
    }

然后：

> predict_nodes(kyph_tree, TEST_KYPHOSIS)
 [1] 5 3 4 3 3 5 5 3 3 3 3 5 5 4 3 5 4 3 3 3 3 4 3 4 4 5 5 3 4 4 3 5 3 5 5 5

Answer 2

一种选择是将rpart对象从party包转换为类partykit的对象。这提供了处理递归聚会的通用工具包。转换很简单：

library("partykit")
(kyph_party <- as.party(kyph_tree))

Model formula:
Number ~ Kyphosis + Age + Start

Fitted party:
[1] root
|   [2] Start >= 15.5: 2.933 (n = 15, err = 10.9)
|   [3] Start < 15.5
|   |   [4] Age >= 112.5: 3.714 (n = 14, err = 18.9)
|   |   [5] Age < 112.5: 5.125 (n = 16, err = 29.8)

Number of inner nodes:    2
Number of terminal nodes: 3

（为了完全重现，请在运行我的代码之前使用set.seed(1)运行问题中的代码。）

对于此类的对象，plot()，predict()，fitted()等有一些更灵活的方法。例如，plot(kyph_party)产生的信息比默认plot(kyph_tree)。 fitted()方法使用拟合的节点编号和观察到的对训练数据的响应来提取两列data.frame。

kyph_fit <- fitted(kyph_party)
head(kyph_fit, 3)

  (fitted) (response)
1        5          6
2        2          2
3        4          3

通过这种方式，您可以轻松计算出您感兴趣的任何数量，例如每个节点内的平方，中位数或残差平方和。

tapply(kyph_fit[,2], kyph_fit[,1], mean)

       2        4        5 
2.933333 3.714286 5.125000 

tapply(kyph_fit[,2], kyph_fit[,1], median)

2 4 5 
3 4 5 

tapply(kyph_fit[,2], kyph_fit[,1], function(x) sum((x - mean(x))^2))

       2        4        5 
10.93333 18.85714 29.75000

您可以使用您选择的任何其他函数来计算分组统计信息表，而不是简单的tapply()。

现在要了解从测试数据TEST_KYPHOSIS到树中哪个节点的哪个观察点，您只需使用predict(..., type = "node")方法：

kyph_pred <- predict(kyph_party, newdata = TEST_KYPHOSIS, type = "node")
head(kyph_pred)

 2  3  4  6  7 10 
 4  4  5  2  2  5

如何从rpart对象获取新观察的终端节点？

2 个答案: