决策树在rpart和party包之间完全不同

Question

我想比较CART和CHAID算法，我选择rpart（cart算法）和party（chaid算法）来查看它们之间的区别。 我的数据是关于血压的：

派对功能让我回复：

library(party)
# par <- ctree_control(minsplit=20, minbucket=10)
arbre <- ctree(bpress_level ~ ., data = df)
arbre
plot(arbre)

rpart包返回我：

library(rpart)
fit <- rpart(bpress_level ~ .,
             method="class", data=df)

printcp(fit) # display the results
plotcp(fit)

plot(fit, uniform=TRUE,
     main="Classification Tree for pressure level")
text(fit, use.n=TRUE, all=TRUE, cex=.8)

我不了解树木为什么如此不同，这是正常的吗？ 为什么派对包该算法忽略了像烟，压力，性别.... 先感谢您。

Answer 1

首先，ctree（[party]）不使用CHAID算法。它与CHAID非常相似，但不是CHAID。 CHAID只能在数据具有分类性质时应用。

当然，还有许多其他递归分区算法或多或少类似于CHAID，它可以处理混合数据类型。例如，CTree算法（条件推理树）也基于重要性测试，并且可以在包partykit中的ctree（）中使用。