分类树模型中的根节点错误

Question

我正在努力理解 rpart 中树分类的输出。我不明白“根节点错误”是如何计算的(printcp 函数的输出之一)。我在 rpart 包描述中也找不到它的定义。

例如，我加载了泰坦尼克数据:

library(titanic)
library(rpart)

tt<-titanic_train
table(tt$Survived)

所以我们有 549 人幸存，342 人死亡。总计891人。

fit<-rpart(Survived ~Pclass+Sex+Age+ SibSp+Parch+Fare+Embarked , data=tt)
printcp(dend) 

给出结果:

Regression tree:
rpart(formula = Survived ~ Pclass + Sex + Age + SibSp + Parch + 
    Fare + Embarked, data = tt)

Variables actually used in tree construction:
[1] Age    Fare   Pclass Sex    SibSp 

Root node error: 210.73/891 = 0.23651

n= 891 

        CP nsplit rel error  xerror     xstd
1 0.295231      0   1.00000 1.00538 0.016124
2 0.073942      1   0.70477 0.70896 0.033228
3 0.027124      2   0.63083 0.63570 0.031752
4 0.026299      3   0.60370 0.62105 0.032815
5 0.023849      4   0.57740 0.61154 0.032884
6 0.021091      5   0.55356 0.58294 0.032127
7 0.010000      6   0.53246 0.57097 0.032402

这里的root node error是指在添加任何节点之前开始时的错误分类错误，对吗？因此，如果我假设每个人都幸存下来，那么在 891 个案例中我有 342 个是错误的，所以根节点错误应该是 342/891。在输出中我有 210.73/891。

如果能帮助我理解 210.73 在根节点错误中的含义以及它是如何根据这个巨大的数据示例计算出来的，我将不胜感激。我整天都在搜索它，找不到任何解释。

预先感谢您的帮助。

Answer 1

根节点错误是第一个(根) split 节点处正确排序记录的百分比。

有关详细信息，请参阅 Understanding the Outputs of the Decision Tree Tool .