2

我有许多树，打印时它们有 7 页长。我不得不重新平衡数据，并且需要查看频率最高的分支，看看它们是否有意义——我需要确定不同集群的取消率。

鉴于数据是如此之长，我需要拥有最大的分支，然后我可以验证这些，而不是手动通过 210 个分支。我将有很多树，因此需要将其自动化以查看重要结果。

要使用的示例代码：

library(CHAID)
updatecars<-mtcars
updatecars$cyl<-as.factor(updatecars$cyl)
updatecars$vs<-as.factor(updatecars$vs)
updatecars$am<-as.factor(updatecars$am)
updatecars$gear<-as.factor(updatecars$gear)
plot(carsChaid)

carsChaid<-chaid(am~  cyl+vs+gear, data=updatecars)
carsChaid

当您打印此数据时，您会看到第一组的 n=15。我需要一个可以对这个值进行排序的表。

我需要的是一个决策树表，其中包含变量值和树中每个组内的数字。这与此答案不完全相同走一棵树 ，因为它没有给出其中的数字，但我认为它是方向。

有人可以帮忙吗，
谢谢，
詹姆斯

4

2 回答 2

0

您可以使用 data.tree 对派对对象进行进一步的操作，例如排序、遍历树、自定义绘图等。来自 github 的最新版本 v0.3.7 对派对类对象进行了转换：

devtools::install_github("gluc/data.tree@v0.3.7")
library(data.tree)
tree <- as.Node(carsChaid)

tree$fieldsAll

最后一条命令显示了派对类的转换字段的名称：

[1] "data"        "fitted"      "nodeinfo"    "partyinfo"   "split"       "splitlevels" "splitname"   "terms"       "splitLevel"

您可以按函数排序，例如每个节点上的数据行：

tree$Sort(attribute = function(node) nrow(node$data), decreasing = TRUE)

print(tree, 
      "splitname",
      count = function(node) nrow(node$data), 
      "splitLevel")

例如，打印如下：

  levelName splitname count splitLevel
1     1          gear    32           
2      ¦--3              17       4, 5
3      °--2              15          3
于 2016-05-22T10:42:50.230 回答
0

当然有更好的方法可以做到这一点，但这很有效。显然愿意提出更正和改进的建议。

我遇到的特别麻烦是创建所有组合的列表。当 expand.grid 超过 3 个因子时，它会停止工作。所以我不得不在它上面建立一个循环来创建完整的列表。

All_canx_rates<-function(Var1,Var2,Var3,Var4,Var5,nametree){
  df1<-data.frame("CanxRate"=0,"Num_Canx"=0,"Num_Cust"=0)
  pars<-as.list(match.call()[-1])
  a<-eval(pars$nametree)[,as.character(pars$Var1)]
  b<-eval(pars$nametree)[,as.character(pars$Var2)]
  c<-eval(pars$nametree)[,as.character(pars$Var3)]
  d<-eval(pars$nametree)[,as.character(pars$Var4)]
  e<-eval(pars$nametree)[,as.character(pars$Var5)]

  allcombos<-expand.grid(levels(a),levels(b),levels(c))
  clean<- allcombos
  allcombos$Var4<-d[1]

  for (i in 2:length(levels(d))) {
    clean$Var4<-levels(d)[i]  
    allcombos<-rbind(allcombos,clean)
  }

  #define a forloop
  for (i in 1:nrow(allcombos)) {
    #define values
    f1<-allcombos[i,1]
    f2<-allcombos[i,2]
    f3<-allcombos[i,3]
    f4<-allcombos[i,4]

  y5<-nrow(nametree[(a %in% f1 & b %in% f2 & c %in% f3 & d %in% f4 & 
                       e =='1'),])
  y4<-nrow(nametree[(a %in% f1 & b %in% f2 & c %in% f3 & d %in% f4),])
  df2<-data.frame("CanxRate"=y5/y4,"Num_Canx"=y5,"Num_Cust"=y4)
  df1<-rbind(df1, df2)

  }
  #endforloop
  #make the dataframe available for global viewing
  df1<-df1[-1,]
  output<<-cbind(allcombos,df1)
  }
于 2016-05-20T12:27:49.193 回答