r - 在 rpart 和 caret 中使用序数变量而不转换为虚拟分类变量

Question

我正在尝试使用 rpart 在 R 中创建一个序数回归树，预测变量主要是序数数据，在 R 中存储为 factor。

当我使用 rpart 创建树时，我得到如下信息:

其中值是因子值(例如 A170 的标签范围从 -5 到 10)。

但是，当我使用 caret 使用 rpart train 数据时，当我提取最终模型时，树不再具有序数预测因子。请参阅下面的示例输出树

如您所见，序数变量 A170 现在似乎已转换为多个虚拟分类值，即第二棵树中的 A17010 是 A170 值 10。

那么，在使用 caret 包拟合树时，是否可以保留序数变量而不是将因子变量转换为多个二元指标变量？

Answer 1

让我们从一个可重现的例子开始:

set.seed(144)
dat <- data.frame(x=factor(sample(1:6, 10000, replace=TRUE)))
dat$y <- ifelse(dat$x %in% 1:2, runif(10000) < 0.1, ifelse(dat$x %in% 3:4, runif(10000) < 0.4, runif(10000) < 0.7))*1

正如您所注意到的，使用 rpart 函数进行训练会将因子级别组合在一起:

library(rpart)
rpart(y~x, data=dat)

我能够使用 train 函数的公式接口(interface)重现 caret 包，将因素分成各自的级别:

library(caret)
train(y~x, data=dat, method="rpart")$finalModel

我发现避免按级别拆分因子的解决方案是将原始数据帧输入到 train 函数，而不是使用公式界面:

train(x=data.frame(dat$x), y=dat$y, method="rpart")$finalModel