Caret RPart 决策树绘图结果

Question

Caret RPart 决策树绘图结果

6

我正在使用 Kaggle提供的心脏病数据训练决策树模型。

由于我还在使用10倍交叉验证构建其他模型，我尝试使用rpart方法和caret包来构建树。然而，绘图结果很奇怪，因为"thalium"应该是一个因子。为什么它显示为"thaliumnormal <0.5"?这是否意味着如果"thalium" == normal，则选择左侧路径"yes"，否则选择右侧路径"no"?

非常感谢！

编辑：很抱歉没有提供足够的背景信息，导致一些混淆。"thalium" 是一个变量，代表一种用于检测冠状动脉狭窄（也称为收缩）的技术。它是一个具有三个水平（正常、固定缺陷、可逆性缺陷）的因素。

此外，我希望将图表更易读，例如，将“thaliumnormal < 0.5”改为“thalium = normal”。我可以通过直接使用rpart来实现这个目标（见下文）。

然而，您可能已经注意到，尽管我使用了caret rpart CV 10 folds的推荐cp值（请参见下面的代码），但树是不同的。

我知道这两个软件包可能会有一些差异。理想情况下，我可以使用caret和rpart方法来构建树，以便它与在caret中构建的其他模型对齐。有人知道如何使使用caret rpart构建的树模型的绘图标签更易于理解吗？

- Rui Tongyu

2个回答

0

您的因子thaliumnormal只能是0或1，分别代表是或否 - 对吗？

在这种情况下，rpart取中值0.5，以便所有0或1的决策都在0.5以上或以下。

在此情况下，低于截止值（0.5）的值总是向左转。所以thaliumnormal==0向左转，是的。

您可以看到与sex相同的示例。

- cmirian

谢谢回复。Thalium是一个因素，“normal”是其中一个级别（总共3个级别）。我认为caret自动执行一种热编码转换，因此将原始变量名与每个级别粘合在一起。 - Rui Tongyu

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- sconfluentus · Accepted Answer

如果有一些数据，比如dput(head(data))展示您的数据的真实样子或者str(data)展示变量的水平和数据类型会有所帮助。但是很可能（没有看到数据）变量是thallium，其中一个水平是normal，此表格选择了变量thallium的LEVEL，并且正在评估是否在该水平normal或不在。

决策树将分类变量视为虚拟变量，按水平制定决策，并根据是否大于等于0.5或小于0.5进行判断，其中0始终小于1。

大多数决策树算法都是通过设计选择每个变量（包括虚拟的0/1变量）的分裂点，以创建最纯度的方法（将大多数观测值分到一个侧面或另一个侧面并更接近分类），并选择介于产生最大组间差异的两个值之间的中间点。

对于二元变量，分裂点在0.5处，因为它恰好位于该水平可以取的两个不同值0和1的中间。