如何获取J48大小和叶数

Question

如果我通过以下方式构建J48树：

library(RWeka)

fit <- J48(Species~., data=iris)

我得到以下结果：

> fit
J48 pruned tree
------------------

Petal.Width <= 0.6: setosa (50.0)
Petal.Width > 0.6
|   Petal.Width <= 1.7
|   |   Petal.Length <= 4.9: versicolor (48.0/1.0)
|   |   Petal.Length > 4.9
|   |   |   Petal.Width <= 1.5: virginica (3.0)
|   |   |   Petal.Width > 1.5: versicolor (3.0/1.0)
|   Petal.Width > 1.7: virginica (46.0/1.0)

Number of Leaves  :     5

Size of the tree :  9

我希望将Number of Leaves转换为变量N (因此N将获得5)，并将Size of the tree转换为S (因此S将获得9)。

有办法直接从J48树获取这些信息吗？

Answer 1

正如前面@LyzandeR所指出的，直接在J48对象上这样做并不容易。通常，RWeka中的拟合函数返回的对象通常在R端包含相对较少的信息(例如，只包含调用和拟合预测)。主要内容通常是对Weka构建的Java对象的引用，Weka自己的方法可以通过.jcall应用到Java端，然后在R中返回。

但是，对于J48树来说，很容易将来自Java端的信息转换为标准函数和方法可用的R对象。partykit包提供了一个强制函数，它将J48树转换为constparty对象(具有常量的递归分区)。然后，可以使用length()、width()或depth()等方法分别查询节点数、树叶数和树的深度。

library("RWeka")
fit <- J48(Species ~ ., data = iris)
library("partykit")
p <- as.party(fit)
length(p)
## [1] 9
width(p)
## [1] 5
depth(p)
## [1] 4

此外，predict()、plot()、print()和许多其他工具都可用于party对象。

我建议对@LyzandeR建议的文本解析使用这种方法，因为as.party转换不依赖于潜在的容易出错的文本计算。相反，它在内部调用Weka自己的graph生成器(通过.jcall)，然后将其解析为constparty结构。

Answer 2

有趣的是，看起来fit的输出是在print.Weka_classifier中的.jcall函数中创建的，从getAnywhere(print.Weka_classifier)中可以看到这一点。这使得从打印输出中提取值变得更加困难(但并非不可能)。

为了存储这两个值，您可以这样做：

library(RWeka)

fit <- J48(Species~., data=iris)

#store the print output in a
a <- capture.output(fit)

> a
 [1] "J48 pruned tree"                                     "------------------"                                 
 [3] ""                                                    "Petal.Width <= 0.6: setosa (50.0)"                  
 [5] "Petal.Width > 0.6"                                   "|   Petal.Width <= 1.7"                             
 [7] "|   |   Petal.Length <= 4.9: versicolor (48.0/1.0)"  "|   |   Petal.Length > 4.9"                         
 [9] "|   |   |   Petal.Width <= 1.5: virginica (3.0)"     "|   |   |   Petal.Width > 1.5: versicolor (3.0/1.0)"
[11] "|   Petal.Width > 1.7: virginica (46.0/1.0)"         ""                                                   
[13] "Number of Leaves  : \t5"                              ""                                                   
[15] "Size of the tree : \t9"      

# get the output length, so that this can work for a tree
# with any size/number of leaves
out_length = length(a)

# then save the number from the fourth to last element to N
N <- as.numeric(gsub('\\D', '', a[out_length - 3]))

#then save the number from second to last element to S
S <- as.numeric(gsub('\\D', '', a[out_length - 1]))

你看到了：

> N
[1] 5
> S
[1] 9