Question

我正在使用partykit并注意到可能varid不匹配（除非我误解了某些内容）。下面是示例代码。

nodeapply返回的根节点将变量5显示为拆分变量。

显式生成列表的第一个元素还有split$varid 5.如果我们查看iris数据框，那么第5列为Species，Petal.Width为第4列，应该是根节点的varid，如j48_party对象所示。

似乎varid是实际使用的功能+1，这是故意的吗？

> library(partykit)
> library(RWeka)
> data("iris")
> j48 <- J48(Species~., data=iris)
> j48_party <- as.party(j48)
> j48_party

Model formula:
Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width

Fitted party:
[1] root
|   [2] Petal.Width <= 0.6: setosa (n = 50, err = 0.0%)
|   [3] Petal.Width > 0.6
|   |   [4] Petal.Width <= 1.7
|   |   |   [5] Petal.Length <= 4.9: versicolor (n = 48, err = 2.1%)
|   |   |   [6] Petal.Length > 4.9
|   |   |   |   [7] Petal.Width <= 1.5: virginica (n = 3, err = 0.0%)
|   |   |   |   [8] Petal.Width > 1.5: versicolor (n = 3, err = 33.3%)
|   |   [9] Petal.Width > 1.7: virginica (n = 46, err = 2.2%)

Number of inner nodes:    4
Number of terminal nodes: 5
> colnames(iris)
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"     
> nodeapply(j48_party)
$`1`
[1] root
|   [2] V5 <= 0.6 *
|   [3] V5 > 0.6
|   |   [4] V5 <= 1.7
|   |   |   [5] V4 <= 4.9 *
|   |   |   [6] V4 > 4.9
|   |   |   |   [7] V5 <= 1.5 *
|   |   |   |   [8] V5 > 1.5 *
|   |   [9] V5 > 1.7 *

> nodes <- as.list(j48_party$node)
> nodes[[1]]$split$varid
[1] 5

Answer 1

差异是由于以下因素：J48()与大多数其他建模功能（例如lm()，glm()等）一样，并不直接使用data提供，但首先建立一个model.frame。这已经执行了变量转换（例如，记录日志，创建因子或Surv()个对象），收集可能不在data但在调用环境中的变量，并省略了不在变量中的变量模型formula等。有关详细信息和链接，请参阅?model.frame。

因此，J48()创建的对象的model.frame不完全是iris数据，但响应变量已移至第一列：

head(model.frame(j48))
##   Species Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1  setosa          5.1         3.5          1.4         0.2
## 2  setosa          4.9         3.0          1.4         0.2
## 3  setosa          4.7         3.2          1.3         0.2
## 4  setosa          4.6         3.1          1.5         0.2
## 5  setosa          5.0         3.6          1.4         0.2
## 6  setosa          5.4         3.9          1.7         0.4

此信息也会传递给party对象。

j48_party$data
## [1] Species      Sepal.Length Sepal.Width  Petal.Length Petal.Width 
## <0 rows> (or 0-length row.names)

[注意：在J48()的情况下，这只存储元信息但删除了实际数据，因为这里不需要它。但是对于ctree()来说这是不同的。]

要确定此model.frame()可能与原始数据不同，请考虑以下情况：我们创建一个新的noise变量 iris的一部分但只是在调用环境中，记录日志，并省略几个变量：

set.seed(1) 
noise <- rnorm(150)
j48 <- J48(Species ~ log(Petal.Width) + noise, data = iris)
j48_party <- as.party(j48)
head(model.frame(j48))
##   Species log(Petal.Width)      noise
## 1  setosa       -1.6094379 -0.6264538
## 2  setosa       -1.6094379  0.1836433
## 3  setosa       -1.6094379 -0.8356286
## 4  setosa       -1.6094379  1.5952808
## 5  setosa       -1.6094379  0.3295078
## 6  setosa       -0.9162907 -0.8204684
j48_party$data
## [1] Species          log(Petal.Width) noise           
## <0 rows> (or 0-length row.names)

partykit对象varid不匹配

1 个答案: