如何使用rpart？

Question

我无法用rpart获得太多的信息。

我有一个数据框架：

a = structure(list(V1 = c(2, 3, 4, 2, 3, 2, 3, 3, 5, 3), V2 = c(15, 
26, 94, 15, 26, 33, 33, 33, 5, 15), V3 = structure(c(1L, 1L, 
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L), .Label = c("f", "t"), class = "factor")), .Names = c("V1", 
"V2", "V3"), row.names = c(NA, -10L), class = "data.frame")

> a
   V1 V2 V3
1   2 15  f
2   3 26  f
3   4 94  f
4   2 15  f
5   3 26  f
6   2 33  f
7   3 33  f
8   3 33  t
9   5  5  t
10  3 15  t

> rpart(V3 ~ ., data=a)
n= 10 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 10 3 f (0.7000000 0.3000000) *

为什么rpart不提供更多的信息，例如，有三种情况(V1 == 2)都导致响应= "f“(第1、4、6行)？

实质上，我想找出：

• 在给出上面的输出之前，用rpart运行了哪些测试？
• rpart是否包括测试(V2 == 2) ->响应统计数据，如果没有，我如何使它包括这样的测试和结果？

我读过部分小体，但没有找到答案。

Answer 1

对你的问题的简短回答可能是：

rpart(V3 ~ V1 + V2,data = a,control = rpart.control(minsplit = 5))

因此，您可能需要花一些时间阅读文档，特别强调rpart.control。但是更广泛地说，注意rpart仍然没有“测试”基于标准V2 == 2的拆分，仅仅是因为该变量是连续的。连续变量上的所有分裂都是简单的二元不等式分裂。只有因素才会根据级别子集的选择而被分割。

你所链接的小插曲包含了一场广泛的讨论(引用了进一步的讨论)，详细地讨论了这个函数经过了什么过程来选择它所做的分裂，所以我不知道如何回应你的说法，即你读了它，但没有找到答案。

Answer 2

如果您从?rpart开始并遵循值下的信息，您将转到?rpart.object，它将告诉您：

为树中的每个节点设置一行数据帧。帧的row.names包含(唯一的)节点编号，它们遵循按节点深度索引的二进制排序。帧的列包括var，一个因子给出在每个节点的分裂中使用的变量的名称(叶节点用“”级表示)，n，到达该节点的观察数，wt，到达该节点的观察的大小写权重之和，dev，节点的偏差，yval，节点处响应的拟合值，以及拆分，每个节点的左和右拆分标签的两列矩阵。在帧中还包括复杂性，此拆分将崩溃的复杂性参数，非竞争，记录的竞争对手拆分的数量，以及代理拆分记录的数量。 可能存在的额外响应信息在yval2中，它包含节点上的事件数(泊松树)，或包含拟合类的矩阵、每个节点的类计数、类概率和“节点概率”(分类树)。 其中，与根节点中的观察数相同长度的整数向量，包含与每个观察所处的叶节点对应的帧行数。 call 是生成对象的调用的映像，但参数都是命名的，并包含了作为公式参数的实际公式。若要重新评估调用，请表示更新(树)。 terms类的对象(“术语”、“公式”)(参见terms.object)对公式进行了总结。由各种方法使用，但通常与用户没有直接关系。 拆分--描述这些拆分的数字矩阵:只有在存在的情况下才存在。行标签是拆分变量的名称，列是计数，是由拆分向左或向右发送的观察数(未丢失且具有正权重)(对于竞争对手拆分，这是如果使用此拆分将向左或向右发送的数字；对于代理拆分，则为丢失使用此代理项确定的主拆分变量的数目)，ncat，该变量的类别或级别的数目(+/-1表示连续变量)，改进，这是该拆分给出的偏差的改进，或者，对于代理对象，代理项与主值切分点和索引的一致性。最后一列给出了代理项分裂的调整一致性。对于一个因子，索引列包含c拆分矩阵的行号。对于连续变量，ncat的符号决定子集x<切点还是x>切点被发送到左边。 csplit是一个整数矩阵。(只有当拆分变量中至少有一个是因子或有序因子时，才会出现。)每个这样的拆分都有一行，列的数量是这些因素中级别的最大数目。哪一行由拆分矩阵的索引列给出。如果该因子的级别位于左侧，则列记录1；如果该级别位于右侧，则记录3；如果该级别不存在于树的此节点(或未为该因子定义)，则记录2。 方法字符串:用来生长树的方法。一个“类”、"exp“、”泊松“、"anova”或"user“(如果提供了拆分函数)。 cptable：基于复杂性参数的最优剪枝信息矩阵。 variable.importance是一个命名的数字向量，给出每个变量的重要性。(只有在有任何分裂的情况下才会出现。)当由summary.rpart打印时，这些将被重新标度以添加到100。 numresp整数响应数；因子响应的级别数。 **parms，contro**l为所提供的参数的记录，默认值为。 函数用于方法的摘要、打印和文本函数。 ordered 是一个命名的逻辑向量，如果它是一个有序因子，则记录每个变量。 na.action (在相关情况下) model.frame返回的关于从na.action参数派生的NAs的特殊处理的信息。