在ctree（），partykit包中修改终端节点

Question

我有一个因变量可以通过决策树进行分类。它由三类频率组成：738（19％），426（15％）和1800（66％）。正如你想象的那样，预测的类别总是第三个，但树的目的是描述性的，所以它实际上并不重要。 问题是，当通过ctree()函数（包partykit）绘制树时，终端节点显示直方图，显示三个类的出现概率。我需要修改这个输出：我想获得终端节点中每个类相对于类的绝对频率的出现比例。 例如，class1中738个参与者中的哪个百分比属于某个终端节点？每个终端节点将为组成因变量的所有三个类显示此值。

勾选树的图，默认情况下报告终端节点中每个类的普遍性。

Answer 1

您始终可以定义自己的面板功能，以绘制每个终端面板窗口的内容。如果您对grid图形有一点了解，并且看看当前终端面板功能是如何定义的，您将看到它是如何工作的。

应该执行所需操作的一个面板函数是node_terminal()包中的partykit（旧party包的重新实现得到了很大改进）。但是，由于ctree()未在每个终端节点中存储其预测，因此node_terminal()函数此时无法执行此操作。我将尝试改进未来版本中的实现，以便可以促进这一点。下面是一个有点参与的例子，应该做你想要的，我希望。

首先，我们使用iris数据拟合分类树（对于一个简单的可重现的例子）：

library("partykit")
(ct <- ctree(Species ~ ., data = iris))
## Model formula:
## Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width
## 
## Fitted party:
## [1] root
## |   [2] Petal.Length <= 1.9: setosa (n = 50, err = 0.0%)
## |   [3] Petal.Length > 1.9
## |   |   [4] Petal.Width <= 1.7
## |   |   |   [5] Petal.Length <= 4.8: versicolor (n = 46, err = 2.2%)
## |   |   |   [6] Petal.Length > 4.8: versicolor (n = 8, err = 50.0%)
## |   |   [7] Petal.Width > 1.7: virginica (n = 46, err = 2.2%)
## 
## Number of inner nodes:    3
## Number of terminal nodes: 4

然后我们计算每个终端节点的预测概率表：

(pred <- aggregate(predict(ct, type = "prob"),
  list(predict(ct, type = "node")), FUN = mean))
##   Group.1 setosa versicolor  virginica
## 1       2      1 0.00000000 0.00000000
## 2       5      0 0.97826087 0.02173913
## 3       6      0 0.50000000 0.50000000
## 4       7      0 0.02173913 0.97826087

然后是不那么明显的部分：我们希望将这些预测的概率包含在树本身的终端节点中。为此，我们将递归节点结构强制转换为平面列表，插入预测（适当格式化），并将列表转换回节点结构：

ct_node <- as.list(ct$node)
for(i in 1:nrow(pred)) {
  ct_node[[pred[i,1]]]$info$prediction <- paste(
    format(names(pred)[-1]),
    format(round(pred[i, -1], digits = 3), nsmall = 3)
  )
}
ct$node <- as.partynode(ct_node)

然后，我们可以使用node_terminal面板功能轻松绘制树的图片并插入我们预先格式化的预测：

plot(ct, terminal_panel = node_terminal, tp_args = list(
  FUN = function(node) c("Predictions", node$prediction)))

编辑：list和party之间的来回切换实际上已经在包中实现了......我只是忘了它;-)如果你这样做

st <- as.simpleparty(ct)

然后结果party在每个节点中都有关于预测等的更详细信息。例如，$distribution则包含每个响应级别的绝对频率。这可以像以前一样轻松格式化

pred <- function(i) {
  tab <- i$distribution
  tab <- round(prop.table(tab), 3)
  tab <- paste0(names(tab), ":", format(tab, nsmall = 3))
  c("Predictions", tab)
}

这可以传递给node_terminal以基本上创建上面的情节。如果您希望所有终端节点显示在底行中，您可能希望将drop = FALSE更改为drop = TRUE。

plot(st, terminal_panel = node_terminal, tp_args = list(FUN = pred))