我想制作一个像图片中的回归树。这棵树是在 Cubist 中完成的，但我没有那个程序。我确实使用 R 和 Python。它似乎与 R 包 rpart 或树不同，因为末端节点是线性公式，而不仅仅是平均值。有什么方法可以使用 R 或其他一些免费软件来做到这一点？
图中，NDVI、B1、B2 等为变量。图片来自这个网站。
问问题
4074 次
2 回答
5
Cubist是 RuleQuest 在http://rulequest.com/cubist-info.html发布的 Cubist GPL C 代码的 R 端口。
使用示例help('cubist')和原始包公告
library(Cubist)
library(mlbench)
data(BostonHousing)
## 1 committee, so just an M5 fit:
mod1 <- cubist(x = BostonHousing[, -14], y = BostonHousing$medv)
summary(mod1)
# Call:
# cubist.default(x = BostonHousing[, -14], y = BostonHousing$medv)
#
#
# Cubist [Release 2.07 GPL Edition] Thu Jul 04 11:56:33 2013
# ---------------------------------
#
# Target attribute `outcome'
#
# Read 506 cases (14 attributes) from undefined.data
#
# Model:
#
# Rule 1: [101 cases, mean 13.84, range 5 to 27.5, est err 1.98]
#
# if
# nox > 0.668
# then
# outcome = -1.11 + 2.93 dis + 21.4 nox - 0.33 lstat + 0.008 b
# - 0.13 ptratio - 0.02 crim - 0.003 age + 0.1 rm
#
# Rule 2: [203 cases, mean 19.42, range 7 to 31, est err 2.10]
#
# if
# nox <= 0.668
# lstat > 9.59
# then
# outcome = 23.57 + 3.1 rm - 0.81 dis - 0.71 ptratio - 0.048 age
# - 0.15 lstat + 0.01 b - 0.0041 tax - 5.2 nox + 0.05 crim
# + 0.02 rad
#
# Rule 3: [43 cases, mean 24.00, range 11.9 to 50, est err 2.56]
#
# if
# rm <= 6.226
# lstat <= 9.59
# then
# outcome = 1.18 + 3.83 crim + 4.3 rm - 0.06 age - 0.11 lstat - 0.003 tax
# - 0.09 dis - 0.08 ptratio
#
# Rule 4: [163 cases, mean 31.46, range 16.5 to 50, est err 2.78]
#
# if
# rm > 6.226
# lstat <= 9.59
# then
# outcome = -4.71 + 2.22 crim + 9.2 rm - 0.83 lstat - 0.0182 tax
# - 0.72 ptratio - 0.71 dis - 0.04 age + 0.03 rad - 1.7 nox
# + 0.008 zn
#
#
# Evaluation on training data (506 cases):
#
# Average |error| 2.10
# Relative |error| 0.32
# Correlation coefficient 0.94
#
#
# Attribute usage:
# Conds Model
#
# 80% 100% lstat
# 60% 92% nox
# 40% 100% rm
# 100% crim
# 100% age
# 100% dis
# 100% ptratio
# 80% tax
# 72% rad
# 60% b
# 32% zn
#
#
# Time: 0.0 secs
于 2013-07-04T01:53:51.280 回答
0
Cubist 的 R 实现的概述可以在这里找到。
从该概述来看，“算法的第一部分与'M5'或模型树方法一致”。
具体来说，区别在于：
“Cubist 将这个模型推广到添加提升（当委员会 > 1 时）和基于实例的更正”
于 2015-03-31T20:29:01.440 回答