使用插入包从rpart中获取规则

Question

我正在寻找一种从决策树中提取规则的方法。我有8个预测器，它们都是分类变量，响应变量有三个输出A、B和C。

我已经开发了模型，也可以创建决策树，但是我在理解树和从模型中提取规则方面遇到了困难。

我所拥有的8个预测因子可以有值a，b，c，d，e。

举个例子，我想从我的决策树中提取规则，如下所示：

• 规则1:预测器1-a预测器2-b预测器3-c预测器4-b预测器5 a预测器6-d预测器7-e预测器8-a结果:a
• 规则2:预测器1-a预测器2-b预测器3-d预测器4-b预测器5 a预测器6-d预测器7-b预测器8-a结果:a
• 规则3:预测器1-a预测器2-b预测器3-d预测器4-a预测器5-a预测器6预测器7-b预测器8-a结果:b

以此类推。

是否有办法像我前面解释的那样，从我的决策树中得到规则？

下面是我的模型的结果：

• 124个样本
• 8个预测因子
• 三班:a，B，C

没有预处理。

重采样:交叉验证(10倍，重复10次)。

样本数量摘要: 112,111,111,112,110,112，.

调整参数之间的重采样结果：

  cp           Accuracy   Kappa  
  0.00000000  1.0000000  1.0000000  
  0.06329114  1.0000000  1.0000000  
  0.12658228  1.0000000  1.0000000  
  0.18987342  1.0000000  1.0000000  
  0.25316456  1.0000000  1.0000000  
  0.31645570  1.0000000  1.0000000  
  0.37974684  1.0000000  1.0000000  
  0.44303797  0.7261846  0.5696935  

用最大值选择最优模型的精度。模型的最终值为cp = 0.3797468。n= 124

节点)，拆分，n，丢失，yval，(yprob) *表示终端节点。

1) root 124 79 A (0.3629032 0.2741935 0.3629032)    
  2) Activity4e< 0.5 45  0 A (1.0000000 0.0000000 0.0000000) *  
    3) Activity4e>=0.5 79 34 C (0.0000000 0.4303797 0.5696203)    
      6) Activity7c>=0.5 34  0 B (0.0000000 1.0000000 0.0000000) *  
      7) Activity7c< 0.5 45  0 C (0.0000000 0.0000000 1.0000000) * 

Answer 1

如果使用rpart构建了原始树，则可以使用rpart.rules函数。

library(rpart)
fit<-rpart(Reliability~.,data=car.test.frame)
rpart.rules(fit)