1

遇到与此类似的问题，我试图强制 rpart 进行一次拆分。这是一个重现我的问题的玩具示例：

require(rpart)

y <- factor(c(1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0))
x1 <- c(12,18,15,10,10,10,20,6,7,34,7,11,10,22,4,19,10,8,13,6,7,47,6,15,7,7,21,7,8,10,15)
x2 <- c(318,356,341,189,308,236,290,635,550,287,261,472,282,262,1153,435,402,182,415,544,251,281,378,498,142,566,152,560,284,213,326)

data <- data.frame(y=y,x1=x1,x2=x2)
tree <-rpart(y~.,
              data=data,
              control=rpart.control(maxdepth=1, # at most 1 split
                                    cp=0, # any positive improvement will do
                                    minsplit=1,
                                    minbucket=1, # even leaves with 1 point are accepted
                                    xval=0)) # I don't need crossvalidation
length(tree$frame$var) #==1, so there are no splits

隔离一个点应该是可能的（minbucket = 1），即使是最边际的改进（隔离一个点总是会降低错误分类率）应该导致保持分裂（cp = 0）。

为什么结果不包括任何拆分？以及我如何必须更改代码以始终获得准确的拆分？如果两者都分类为相同的因子输出，是否可以不保留拆分？

4

1 回答 1

3

将 cp = 0 更改为 cp = -1。

显然，第一次拆分（maxdepth = 3）的 cp 为 0.0000000。因此，负数允许它以 maxdepth = 1 显示。

于 2015-03-06T16:27:54.143 回答