r - 为R中的rpart/ctree包获取预测数据集的每一行的决策树规则/路径模式

Question

我已经使用rpart和ctree在R中建立了决策树模型。
我还使用构建的模型预测了一个新的数据集，并获得了预测的概率和类。

但是，我想用一个字符串提取规则/路径，以供遵循的每个观察结果(在预测数据集中)。以表格格式存储此数据，我可以在不打开R的情况下以自动的方式解释原因的预测。

这意味着我想得到关注。

ObsID   Probability   PredictedClass   PathFollowed 
    1          0.68             Safe   CarAge < 10 & Country = Germany & Type = Compact & Price < 12822.5
    2          0.76             Safe   CarAge < 10 & Country = Korea & Type = Compact & Price > 12822.5
    3          0.88           Unsafe   CarAge > 10 & Type = Van & Country = USA & Price > 15988

我正在寻找的代码种类是

library(rpart)
fit <- rpart(Reliability~.,data=car.test.frame)

这是可能需要扩展为多行的内容

predResults <- predict(fit, newdata = newcar, type= "GETPATTERNS")

Answer 1

partykit软件包具有.list.rules.party()函数，该函数当前未导出，但可以利用它来完成您想做的事情。我们尚未导出的主要原因是，其输出类型在将来的版本中可能会更改。

要获得您在上面描述的预测，您可以执行以下操作:

pathpred <- function(object, ...)
{
  ## coerce to "party" object if necessary
  if(!inherits(object, "party")) object <- as.party(object)

  ## get standard predictions (response/prob) and collect in data frame
  rval <- data.frame(response = predict(object, type = "response", ...))
  rval$prob <- predict(object, type = "prob", ...)

  ## get rules for each node
  rls <- partykit:::.list.rules.party(object)

  ## get predicted node and select corresponding rule
  rval$rule <- rls[as.character(predict(object, type = "node", ...))]

  return(rval)
}

使用 iris数据和 rpart()的插图:

library("rpart")
library("partykit")
rp <- rpart(Species ~ ., data = iris)
rp_pred <- pathpred(rp)
rp_pred[c(1, 51, 101), ]
##       response prob.setosa prob.versicolor prob.virginica
## 1       setosa  1.00000000      0.00000000     0.00000000
## 51  versicolor  0.00000000      0.90740741     0.09259259
## 101  virginica  0.00000000      0.02173913     0.97826087
##                                           rule
## 1                          Petal.Length < 2.45
## 51   Petal.Length >= 2.45 & Petal.Width < 1.75
## 101 Petal.Length >= 2.45 & Petal.Width >= 1.75

(为简洁起见，这里仅显示了每个物种的第一个观察结果。这对应于索引1、51和101。)

并使用 ctree():

ct <- ctree(Species ~ ., data = iris)
ct_pred <- pathpred(ct)
ct_pred[c(1, 51, 101), ]
##       response prob.setosa prob.versicolor prob.virginica
## 1       setosa  1.00000000      0.00000000     0.00000000
## 51  versicolor  0.00000000      0.97826087     0.02173913
## 101  virginica  0.00000000      0.02173913     0.97826087
##                                                              rule
## 1                                             Petal.Length <= 1.9
## 51  Petal.Length > 1.9 & Petal.Width <= 1.7 & Petal.Length <= 4.8
## 101                        Petal.Length > 1.9 & Petal.Width > 1.7