我非常确定我的问题并不完全有意义，但我尝试在R中使用＆＃39; rpart＆＃39;来创建分类树。并且最初适合像：
fit <- rpart(success ~ A + B + C)
我现在已经意识到＆＃39;成功＆＃39;也可以通过另一个“价值”衡量。所以我打算将其修改为：
fit <- rpart(success + new_option ~ A + B + C)
但是当我运行这些行时：
plot(fit, uniform=TRUE, main="Success plot")
text(fit, use.n = TRUE, all=TRUE, cex=.8)
post(fit, file = "tree.ps", title="Success plot")
我收到此错误：
Error in plot.rpart(fit, uniform = TRUE, main = "Success plot") :
fit is not a tree, just a root
所以只是想知道 - 这甚至可能吗？或者我需要以完全不同的方式解决这个问题吗？
答案 0 :(得分：1)
这意味着您的树算法尚未创建任何拆分。您可以使用cp参数来增加树的复杂性。 cp的默认值为0.01，因此您可以尝试0.001。但请注意，这可能意味着你过度拟合你的模型。
p.s ..你只能在响应变量而不是var1 + var 2 ...如果需要将两者结合起来，请在将其插入到建模函数之前进行。