我正在寻找有关创建分类树的建议，其中每个拆分都基于多个变量。一点背景知识：我正在帮助设计一个植被分类系统，我们希望使用分类和回归树算法来分类新的蔬菜数据并创建（或至少帮助创建）可以使用的视觉键在出版物中。我使用的数据以社区数据的形式排列，树种作为列，观察作为行，第一列是类的一个因素。我还要补充一点，我对这种类型的分析很陌生，虽然我尝试尽可能多地阅读它，但很可能我错过了一些简单但重要的方面。我很抱歉。
现在的问题是：R 具有出色的软件包和出色的文档，可用于单变量拆分（例如 rpart、partykit、C5.0）的分类。但是，理想情况下，我希望能够创建分类树，其中每个拆分都基于多个标准 - 因此，不是每个拆分都有一个决策（例如“物种 A > 6.67 的百分比覆盖率”），而是多个（百分比覆盖率物种 A > 6.67 和物种 B 覆盖率 < 4.2)。我在寻找能够进行多变量拆分和创建树的包时遇到了很多麻烦。这个答案：https ://stats.stackexchange.com/questions/4356/does-rpart-use-multivariate-splits-by-default非常有用，我已经尝试了那里建议的所有用于多变量拆分的包。Prim 确实进行了多变量拆分，但似乎没有生成树；partDSA 包似乎有点像我正在寻找的东西，但它也只创建每个拆分一个标准的树；optpart 包似乎也无法制作分类树。如果有人对我如何基于多元分区方法制作分类树有任何建议，那将非常感激。
另外，这是我的第一个问题，我非常愿意接受有关如何提问的建议。在这种情况下，我不觉得提供一个例子会有帮助，但如果有必要，我很容易做到。
非常感谢！