rpart 函数过度绘制或未实现所需的分区

Question

  ID Ethnicity MaritalStatus EmploymentStatus type
1 10         5             3                1    3
2 24         1             2                2    1
3 30         1             1                3    4
4 35         2             2                2    3
5 40         5             1                3    4
6 57         1             2                4    1

这是我的示例数据。该表有近 94000 行。我尝试了以下命令

m1 <- rpart(type ~ Ethnicity, MaritalStatus, EmploymentStatus, 
      data = table2, method = "anova")

我的目标是根据种族、婚姻状况和就业状况预测“类型”。所有变量都使用 as.factor() 转换为因子数据类型但分区是按 ID 进行的，而我希望按 Ethnicity 进行分区，然后按 MaritalStatus 和 EmploymentStatus 进行分区。我尝试从数据框中删除 ID 列，但存在同样的问题。
我附上了我得到的结果的图像以及相应的 rpart.plot 。
我的数据类型或任何基本的数据方法是否错误？
我是机器学习的初学者。我还尝试将 ID 的数据类型更改为数字。
有什么方法可以设置分区的层次结构吗？
为什么图形只是一条线？

Answer 1

您的公式中有错误。预测变量应使用 + 分隔，而不是 ,。在您的调用中，除了第一个预测变量(种族)之外的所有变量都将被忽略。

m1 <- rpart(type ~ Ethnicity + MaritalStatus + EmploymentStatus, 
      data = table2, method = "anova")