r - 修改 ctree()、partykit 包中的终端节点

Question

我有一个要按决策树分类的因变量。它由三类频率组成:738 (19%)、426 (15%) 和 1800 (66%)。正如您想象的那样，预测的类别始终是第三个类别，但树的目的是描述性的，因此实际上并不重要。问题是，当通过 ctree() 函数(包 partykit)绘制树时，终端节点会显示直方图，显示三个类的出现概率。我需要修改这个输出:我想获得终端节点内每个类相对于类的绝对频率的出现比例。例如，class1 的 738 名参与者中有多少百分比属于某个终端节点？每个终端节点都会显示构成因变量的所有三个类的此值。

下面是树形图，默认情况下会报告终端节点中每个类别的流行程度。

Answer 1

您始终可以定义自己的面板函数来绘制进入每个终端面板窗口的内容。如果您对 grid 图形有所了解，并查看当前终端面板功能是如何定义的，您就会了解它是如何工作的。

应该做你想做的一个面板功能是 partykit 包中的 node_terminal() (旧的 party包)。但是，由于 ctree() 不会将其预测存储在每个终端节点中，因此 node_terminal() 函数目前无法立即执行此操作。我将尝试在未来的版本中改进实现，以便可以促进这一点。下面是一个有点复杂的例子，我希望它应该做你想做的事。

首先，我们使用 iris 数据拟合分类树(作为一个简单的可重现示例):

library("partykit")
(ct <- ctree(Species ~ ., data = iris))
## Model formula:
## Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width
## 
## Fitted party:
## [1] root
## |   [2] Petal.Length <= 1.9: setosa (n = 50, err = 0.0%)
## |   [3] Petal.Length > 1.9
## |   |   [4] Petal.Width <= 1.7
## |   |   |   [5] Petal.Length <= 4.8: versicolor (n = 46, err = 2.2%)
## |   |   |   [6] Petal.Length > 4.8: versicolor (n = 8, err = 50.0%)
## |   |   [7] Petal.Width > 1.7: virginica (n = 46, err = 2.2%)
## 
## Number of inner nodes:    3
## Number of terminal nodes: 4

然后我们计算每个终端节点的预测概率表:

(pred <- aggregate(predict(ct, type = "prob"),
  list(predict(ct, type = "node")), FUN = mean))
##   Group.1 setosa versicolor  virginica
## 1       2      1 0.00000000 0.00000000
## 2       5      0 0.97826087 0.02173913
## 3       6      0 0.50000000 0.50000000
## 4       7      0 0.02173913 0.97826087

然后是不太明显的部分:我们希望将这些预测概率包含在树本身的终端节点中。为此，我们将递归节点结构强制转换为平面列表，插入预测(适当格式化)，并将列表转换回节点结构:

ct_node <- as.list(ct$node)
for(i in 1:nrow(pred)) {
  ct_node[[pred[i,1]]]$info$prediction <- paste(
    format(names(pred)[-1]),
    format(round(pred[i, -1], digits = 3), nsmall = 3)
  )
}
ct$node <- as.partynode(ct_node)

然后，我们可以使用 node_terminal 面板功能轻松绘制树的图片并插入我们预先格式化的预测:

plot(ct, terminal_panel = node_terminal, tp_args = list(
  FUN = function(node) c("Predictions", node$prediction)))

编辑: list 和 party 之间的强制来回实际上已经在包中实现了......我只是忘记了它;-) 如果你做

st <- as.simpleparty(ct)

然后生成的 party 在每个节点中都有关于预测等的更详细信息。例如，$distribution 然后包含每个响应级别的绝对频率。这可以像以前一样轻松格式化

pred <- function(i) {
  tab <- i$distribution
  tab <- round(prop.table(tab), 3)
  tab <- paste0(names(tab), ":", format(tab, nsmall = 3))
  c("Predictions", tab)
}

这可以传递给 node_terminal 以基本上创建上面的图。如果您希望所有终端节点都显示在底行，您可能需要将 drop = FALSE 更改为 drop = TRUE。

plot(st, terminal_panel = node_terminal, tp_args = list(FUN = pred))