使用ctree {partykit}的多路分裂树

Question

我想使用partykit的ctree函数使用条件推理树来分析我的数据。我特别使用这个函数，因为--如果我理解正确--它是唯一允许多路分裂的函数之一。我需要这个选项，因为我所有的变量都是多级(无序)分类变量。

但是，试图使用ctree_control启用多路拆分会出现以下错误：

aufprallentree <- ctree(case ~., data = aufprallen,
  control = ctree_control(minsplit = 10, minbucket = 5, multiway = TRUE))
## Error in 1:levels(x) : NA/NaN argument
## In addition: Warning messages:
## 1: In 1:levels(x) :
##   numerical expression has 4 elements: only the first used
## 2: In partysplit(as.integer(isel), index = 1:levels(x)) :
##   NAs introduced by coercion

有人知道怎么解决这个问题吗？或者如果我搞错了，ctree不允许多路分裂？

为了清晰起见，我的数据概述：(没有NAs)

str(aufprallen)
## 'data.frame':    299 obs. of  10 variables:
##  $ prep          : Factor w/ 6 levels "an","auf","hinter",..: 2 2 2 2 2 2 1 2 2 2 ...
##  $ prep_main     : Factor w/ 2 levels "auf","other": 1 1 1 1 1 1 2 1 1 1 ...
##  $ case          : Factor w/ 2 levels "acc","dat": 1 1 2 1 1 1 2 1 1 1 ...
##  $ sense         : Factor w/ 3 levels "crashdown","crashinto",..: 2 2 1 3 2 2 1 2 1 2 ...
##  $ PO_type       : Factor w/ 4 levels "object","region",..: 4 4 3 1 4 4 3 4 3 4 ...
##  $ PO_type2      : Factor w/ 3 levels "object","region",..: 1 1 3 1 1 1 3 1 3 1 ...
##  $ perfectivity  : Factor w/ 2 levels "imperfective",..: 1 1 2 2 1 1 1 1 1 1 ...
##  $ mit_Körperteil: Factor w/ 2 levels "n","y": 1 1 1 1 1 1 1 1 1 1 ...
##  $ PP_place      : Factor w/ 4 levels "back","front",..: 4 1 1 1 1 1 1 1 1 1 ...
##  $ PP_place_main : Factor w/ 3 levels "marked","rel",..: 2 3 3 3 3 3 3 3 3 3 ...

提前感谢！

Answer 1

以下是几点意见：

• 1:levels(x)的错误是ctree中的一个错误。代码应该是1:nlevels(x)。我只是在package上修正了这个问题--这样你就可以从那里查看SVN，如果你现在想使用这个选项，可以手动安装这个软件包。(如果您需要更详细的信息，请与我联系。)未来几周，Torsten可能还会发布新的CRAN版本。
• 另一个可以学习多路分割的二进制分类树的函数是glmtree包中的partykit。代码是glmtree(case ~ ., data = aufprallen, family = binomial, catsplit = "multiway", minsize = 5)。用参数不稳定性检验代替关联条件推理来确定分裂变量，并采用形式似然。但在许多情况下，结果与ctree相当相似。
• 在这两种算法中，多路分裂都是非常基本的:如果选择一个分类变量进行分裂，那么就根本不进行分割选择。相反，所有类别都有自己的子节点。有些算法试图用数据驱动的子节点数(介于2和类别数之间)来确定类别的最佳分组。
• 即使您有两个以上级别的绝对预测变量，您也不需要多路拆分。许多算法只使用二进制分裂，因为任何多向分裂都可以用二进制拆分序列来表示。然而，在许多数据集中，事实证明，在一个分裂因子中不分离所有类别，而仅仅分离几个类别是有益的。

总的来说，我的建议是从标准的条件推理树开始，只使用二进制拆分。只有当这导致许多二进制分裂在相同的因素时，我才会继续探讨多路分裂。