在rpart和插入符号中使用序数变量而不转换为虚拟分类变量

Question

我正在尝试使用rpart在R中创建序数回归树，其中预测变量主要是序数数据，在R中存储为factor。

当我使用rpart创建树时，我得到这样的结果：

其中值是因子值（例如A170的标签范围为-5到10）。

但是，当我使用caret使用train rpart数据时，当我提取最终模型时，树不再具有序数预测变量。请参阅下面的示例输出树

如上所示，似乎序数变量A170现已转换为多个虚拟分类值，即第二个树中的A17010是值A170的虚拟变量{ {1}}。

那么，在使用10包装树时，是否可以保留序数变量而不是将因子变量转换为多个二元指示变量？

Answer 1

让我们从一个可重复的例子开始：

set.seed(144)
dat <- data.frame(x=factor(sample(1:6, 10000, replace=TRUE)))
dat$y <- ifelse(dat$x %in% 1:2, runif(10000) < 0.1, ifelse(dat$x %in% 3:4, runif(10000) < 0.4, runif(10000) < 0.7))*1

正如您所注意到的，使用rpart功能的训练将因子水平组合在一起：

library(rpart)
rpart(y~x, data=dat)

我能够使用train函数的公式接口重现插入符号包，将因子分成各自的级别：

library(caret)
train(y~x, data=dat, method="rpart")$finalModel

我发现避免按级别拆分因子的解决方案是将原始数据帧输入到train函数而不是使用公式接口：

train(x=data.frame(dat$x), y=dat$y, method="rpart")$finalModel