r - rpart 中的 Minbucket 和权重

Question

rpart 和派对专家的几个问题。

1) 我试图了解 rpart 和 party 中控制参数“minbucket”的区别。 rpart 中的 minbucket 未加权是否正确(即使提供了适合树的权重)？

2) 谁能简要描述一下 rpart 算法中的权重是如何使用的？我尝试下载并查看源代码，但作为新手我不太明白。 rpart 调用一个 C 函数(C_rpart)，它似乎是 rpart 的主要部分，但我找不到有关它的更多信息。

提前致谢。

Answer 1

rpart(以及大多数其他机器学习算法)中的权重参数可以被认为完全等同于多次复制那些训练项目。权重为 5 与该行重复 5 次相同。如果您的数据集足够小，您可以使用一些简单的代码明确地创建它:

data[rep(1:nrow(data),times=data$weights),]