Question

我想在R中设计一个算法，给定一个因子数据帧，它返回一个比例树，其中base是数据帧的行数（观察值）。

例如，假设我的数据框的行数是100，我有4个因素。第一个因素将观察分为两个等级，每个等级都有50％的过度。然后，下一个因子将前面的每个级别分成4个级别，依此类推其他两个因素。当然，每片叶子的比例不必相等。

我怎么能实现这一目标？我已经尝试了几种方法，但我有点卡住了。

提前致谢。

Answer 1

我不确定输出应该是什么，但这个问题似乎是递归的，所以这是一个递归方法。假设您有data.frame个因素，并且您希望按从左到右的每列中的因子拆分数据。这个功能会做到这一点，产生一个＆＃34;叶子列表＆＃34;对应于最后一列中的数据，按前几列中各种因子分组进行划分。

## Sample data
set.seed(0)
dat <- setNames(data.frame(matrix(sample(0:1, 75, rep=T), 25, 3)),
                paste0("f", 1:3))
dat[] <- lapply(dat, as.factor)

f <- function(data) {
    if (NCOL(data) < 2L) return( split(data, data) )
    lapply(split(data[,-1L], data[,1L]), f)
}

## Apply function
res <- f(dat)

## Proportions at each leaf
## The naming is: column1.column2.column3. etc.
rapply(res, function(x) length(x)/nrow(dat))
# 0.0.0 0.0.1 0.1.0 0.1.1 1.0.0 1.0.1 1.1.0 1.1.1 
#  0.08  0.08  0.24  0.04  0.16  0.16  0.16  0.08 

## Counts
rapply(res, function(x) length(x))
# 0.0.0 0.0.1 0.1.0 0.1.1 1.0.0 1.0.1 1.1.0 1.1.1 
#     2     2     6     1     4     4     4     2 

## For example, the data corresponding to 1.1.0,
with(dat, dat[f1==1 & f2==1 & f3==0,])
#    f1 f2 f3
# 5   1  1  0
# 8   1  1  0
# 18  1  1  0
# 22  1  1  0

在R中构建一个比例树

1 个答案: