使用rpart构建分类树并处理分类变量

Question

我有一个数据集，其中包含14个特征，其中一些如下所示，性别和婚姻状况是分类变量。

height,sex,maritalStatus,age,edu,homeType

SEX
         1. Male
         2. Female

MARITAL STATUS
         1. Married
         2. Living together, not married
         3. Divorced or separated
         4. Widowed
         5. Single, never married

现在我正在使用R中的rpart库来构建分类树，使用以下代码：

rfit = rpart(homeType ~., data = trainingData, method = "class", cp = 0.0001)

这给我一个决策树，不考虑性别和婚姻状况因素。

我正在考虑使用as.factor来实现这个目的:

sex = as.factor(trainingData$sex)
ms = as.factor(trainingData$maritalStatus)

不过我不确定如何将这些信息传递给rpart。因为rpart()中的数据参数需要“trainingData”数据框。它将始终采用该数据框中的值。 我对R有点陌生，希望有人能帮助我。

- user4251309

Answer 1

你可以直接更改 trainingData 数据框并运行 rpart()。

trainingData$sex = as.factor(trainingData$sex)
trainingData$maritalStatus = as.factor(trainingData$maritalStatus)
rfit = rpart(homeType ~., data = trainingData, method = "class", cp = 0.0001)

- Jean V. Adams

---

我正在尝试将那个答案应用到一个类似的例子中，其中我的分类变量是一周中的日期。为了确保，我只在训练集中留下了该变量，但是当我尝试训练分类器时，模型似乎只有一个根节点，这意味着它没有考虑该变量。你有任何想法是什么问题吗？ - LetsPlayYahtzee

Answer 2

在实践中，您可以将任何分类值转换为序数值，例如将“婚姻状况”转换为条件1、2、3等。但是，通常情况下，除非您对任何连续值有概念定义，否则不应进行转换。例如，如果您无法定义什么是1.2的婚姻状况，则不应进行转换。相反，有时您可以使用代表性值，具体取决于您研究的目标。例如，如果您正在尝试将数据链接以预测家庭类型，则每个婚姻状况的“最低舒适度”是一个序数值，如果（假设）为1.2，则可以解释。

- Jose Carlos Machicao Valencia