r - 使用 rpart 在回归树中搜索对应的节点

Question

我对 R 很陌生，我遇到了一个非常愚蠢的问题。

我正在使用 校准回归树rpart 打包以进行一些分类和一些预测。

由于 R，校准部分很容易做到，也很容易控制。

#the package rpart is needed
library(rpart)

# Loading of a big data file used for calibration
my_data <- read.csv("my_file.csv", sep=",", header=TRUE)

# Regression tree calibration
tree <- rpart(Ratio ~ Attribute1 + Attribute2 + Attribute3 + 
                      Attribute4 + Attribute5, 
                      method="anova", data=my_data, 
                      control=rpart.control(minsplit=100, cp=0.0001))

在校准了一个大决策树之后，我想要为给定的数据样本找到一些新数据的相应集群(以及预测值)。 predict功能似乎是完美的需要。

# read validation data
validationData <-read.csv("my_sample.csv", sep=",", header=TRUE)

# search for the probability in the tree
predict <- predict(tree, newdata=validationData, class="prob")

# dump them in a file
write.table(predict, file="dump.txt") 

然而与 predict方法我只是得到我的新元素的预测比例，我找不到得到 的方法决策树叶我的新元素所属的地方。

我认为它应该很容易得到，因为预测方法 必须已经找到叶子以返回的比例。

有几个参数可以通过 class= 提供给 predict 方法。参数，但对于回归树似乎都返回相同的东西(决策树的目标属性的值)

有谁知道如何获取决策树中的相应节点？

通过分析带有 path.rpart 的节点方法，它将帮助我理解结果。

Answer 1

不幸的是，本杰明的回答不起作用:type="vector"仍然返回预测值。

我的解决方案很笨拙，但我认为没有更好的方法。诀窍是用相应的节点编号替换模型框架中的预测 y 值。

tree2 = tree
tree2$frame$yval = as.numeric(rownames(tree2$frame))
predict = predict(tree2, newdata=validationData)

现在 predict 的输出将是节点编号，而不是预测的 y 值。

(注意:以上在我的情况下有效，其中 tree 是回归树，而不是分类树。在分类树的情况下，您可能需要省略 as.numeric 或将其替换为 as.factor 。)