r - 如何在 R 编程中指定决策树中的分割？

Question

我正在尝试在这里应用决策树。决策树负责每个节点本身的 split 。但在第一个节点，我想根据“年龄”来分割我的树。我该如何强制这样做。？

library(party)    
fit2 <- ctree(Churn ~ Gender + Age + LastTransaction + Payment.Method + spend + marStat, data = tsdata)

Answer 1

ctree() 中没有内置选项可以执行此操作。 “手动”执行此操作的最简单方法很简单:

1. 学习一棵仅使用 Age 作为解释变量和 maxdepth = 1 的树，这样只会创建一个分割。

2. 使用第 1 步中的树分割数据，并为左分支创建一个子树。

3. 使用第 1 步中的树拆分数据，并为右侧分支创建子树。

这可以满足您的要求(尽管我通常不建议这样做......)。

如果您使用 partykit 中的 ctree() 实现，您还可以将这三棵树再次合并为一棵树，以进行可视化和预测等。这需要一些黑客攻击，但仍然可行。

我将使用iris 数据来说明这一点，并且我将强制对变量Sepal.Length 进行分割，否则该变量将不会在树中使用。学习上面的三棵树很容易:

library("partykit")
data("iris", package = "datasets")
tr1 <- ctree(Species ~ Sepal.Length,     data = iris, maxdepth = 1)
tr2 <- ctree(Species ~ Sepal.Length + ., data = iris,
  subset = predict(tr1, type = "node") == 2)
tr3 <- ctree(Species ~ Sepal.Length + ., data = iris,
  subset = predict(tr1, type = "node") == 3)

但请注意，使用带有 Sepal.Length + . 的公式非常重要，以确保模型框架中的变量在所有树中以完全相同的方式排序。

接下来是最具技术性的步骤:我们需要从所有三棵树中提取原始node结构，修复节点id，以便它们位于正确的顺序，然后将所有内容集成到单个节点中:

fixids <- function(x, startid = 1L) {
  id <- startid - 1L
  new_node <- function(x) {
    id <<- id + 1L
    if(is.terminal(x)) return(partynode(id, info = info_node(x)))
    partynode(id,
      split = split_node(x),
      kids = lapply(kids_node(x), new_node),
      surrogates = surrogates_node(x),
      info = info_node(x))
  }

  return(new_node(x))   
}
no <- node_party(tr1)
no$kids <- list(
  fixids(node_party(tr2), startid = 2L),
  fixids(node_party(tr3), startid = 5L)
)
no
## [1] root
## |   [2] V2 <= 5.4
## |   |   [3] V4 <= 1.9 *
## |   |   [4] V4 > 1.9 *
## |   [5] V2 > 5.4
## |   |   [6] V4 <= 4.7
## |   |   |   [7] V4 <= 3.6 *
## |   |   |   [8] V4 > 3.6 *
## |   |   [9] V4 > 4.7
## |   |   |   [10] V5 <= 1.7 *
## |   |   |   [11] V5 > 1.7 *

最后，我们建立了一个包含所有数据的联合模型框架，并将其与新的联合树相结合。添加了有关拟合节点和响应的一些信息，以便能够将树转变为 constparty，以实现良好的可视化和预测。请参阅 vignette("partykit", package = "partykit") 了解相关背景:

d <- model.frame(Species ~ Sepal.Length + ., data = iris)
tr <- party(no, 
  data = d,
  fitted = data.frame(
    "(fitted)" = fitted_node(no, data = d),
    "(response)" = model.response(d),
    check.names = FALSE),
  terms = terms(d),
)
tr <- as.constparty(tr)

然后我们就完成了，可以通过强制第一次分割来可视化我们的组合树:

plot(tr)