Question

我在R中使用虹膜数据。

我写了这样的代码：

.gradle

并且，结果看到我这样：

这是什么意思？

y =（1,0,0）和y =（0,0.939,0.061），y =（0,0.031,0.969）

Answer 1

如果你在iris数据集中查看Species（你的响应变量），你会发现它是一个有3个级别的因子：

> unique(iris$Species)
[1] setosa     versicolor virginica 
Levels: setosa versicolor virginica

鉴于水平以上述顺序发生：setosa，versicolor，virginica，决策树的输出是每个水平的概率，并且概率总和为1.

要验证这一点，请查看树的左侧分割。它在Petal.Length <= 1.9处分裂。 Petal.Length <= 1.9时的物种分布是什么？

prop.table(table(iris[iris$Petal.Length <= 1.9,]$Species))

setosa versicolor  virginica 
     1          0          0

在上面的代码中，我在Petal.Length <= 1.9上进行了子集，然后查看了物种的分布（因此prop.table(table(...))）。 100％是Setosa。

另一个例子：右分裂（Petal.Length > 1.9）和左分裂（Petal.Width <= 1.6）。结果是：

prop.table(table(iris[iris$Petal.Length > 1.9 & iris$Petal.Width <= 1.6,]$Species))

setosa versicolor  virginica 
0.00000000 0.92307692 0.07692308

我的号码与你的号码不符。我相信你有一个100行的训练集，而我正在使用整个数据集。这可能是造成差异的原因。如果我错了，请纠正我。

Answer 2

对于位于每个叶节点中的实例，这些是目标变量Species的三个类中的每一个的概率。

因此，例如，在您的中间叶片中，Species == setosa的概率为0，Species == versicolor的概率为0.939，Species == virginica的概率为0.061。