6

我正在根据来自Kaggle的心脏病数据训练决策树模型。

由于我还在使用 10 倍 CV 构建其他模型，因此我尝试使用 caret 包和 rpart 方法来构建树。然而，情节结果很奇怪，因为“铊”应该是一个因素。为什么它显示“thaliumnormal <0.5”？这是否意味着如果“铊”== 正常“然后走左边的路线“是”，否则走右边的路线“否”？

非常感谢！

插入符号 rpart 决策树图使用 fancyRpartPlot

编辑：我很抱歉没有提供足够的背景信息，这似乎造成了一些混乱。“铊”是一个变量，代表一种用于检测冠状动脉狭窄（又名狭窄）的技术。这是一个具有三个级别（正常、固定缺陷、可逆缺陷）的因素。

数据结构

此外，我想让图表更具可读性，例如，而不是“thaliumnormal < 0.5”，它应该是“thalium = normal”。我可以通过直接使用 rpart 来实现这个目标（见下文）。

rpart 决策树图

但是，您可能已经注意到树是不同的，尽管我使用了推荐的 cp 值和 caret rpart CV 10 folds（参见下面的代码）。

代码 推荐的 cp，用于使用 fancyRpartplot 的 rpart 树

我了解这两个软件包可能会导致一些差异。理想情况下，我可以使用 caret 和方法 rpart 来构建树，以便它与 caret 中内置的其他模型对齐。有谁知道如何使用插入符号 rpart 构建的树模型的绘图标签更容易理解？

4

2 回答 2

4

如果有一些数据会有所帮助，例如dput(head(data))向我们展示您的数据的真实外观或str(data)显示变量和数据类型的级别。

但是很可能（没有看到）变量是thallium并且一个级别是normal，并且表格已经选择了变量的一个级别thallium并且正在评估，如果某事是那个级别normal与否。

该树将分类变量按级别视为虚拟变量，并根据 >= .5 或 < .5 和 0 总是更少而 1 总是更多来做出决定。

根据设计，大多数树算法为每个变量（包括虚拟 0./1）选择截断值，以创建最纯净（将最多观察值移到一侧或另一侧并更接近分类）并在中间选择一个点在群体中创造最大分离的两个价值观。

对于二进制变量，该分割为 0.5，因为它位于两个不同值之间，一个级别可以取 0 和 1。

于 2020-01-09T06:27:51.103 回答
0

您的因子thaliumnormal是 0 或 1，代表是或否 - 对吗？

在这种情况下，rpart取中间值 0.5 以便所有决定0or1高于或低于0.5。

低于截止值的值（在本例中为 0.5）总是向左转。所以 thaliumnormal==0左转，是的。

您可以看到与 for 相同的示例sex

于 2020-01-09T06:16:20.857 回答