问题标签 [party]

即使先前被丢弃，决策树是否可以强制达到特定程度？

我尝试使用派对包 (ctree)构建决策树，但它被设置的参数/类别忽略。有没有办法将决策树包含在所有设置的类别中（即使结果很接近）？我想强制树的节点数最少。

例如，在附加图中，有 7 个节点。我想强制树有 10 个节点。这个有可能？

谢谢！

我有以下rpart：

我想获取每个拆分节点及其值并按以下顺序编写它们：

其中每个级别与其更高级别由 { 分隔。我想做的和这里的 J48 非常相似。

我正在使用partykit:ctree 来探索我的数据集，该数据集包含大约 15,000 个海滩调查，调查了从 50 个不同类别中发现的碎片数量。数据中有很多零，并且碎片总量分布很大。我还有一系列自变量，包括一些因素，一些计数数据，还有一些连续数据。

这是一个非常小的样本数据集：

我使用以下代码对数据进行分区：

这产生了一个可爱的图表，但我如何提取每个终端节点的成员资格？如果只有几个项目，我可以在图表中看到它，但是一旦可能的类别数量增加到 50，就很难以图形方式查看它。我想查看节点中包含的信息；特别是每个终端节点中包含的每个单独类别的相对概率。

我知道如果这是一个 BinaryTree 类，我可以使用节点参数，但是当我查询类（M.2）时，它告诉我它来自 constaparty 类，我无法找到如何获取来自此类的节点信息。

我还遇到了一个次要问题，那就是当我在我的样本数据集上运行 ctree 时，它​​每次都会崩溃 R！它适用于我的实际数据集，但我无法弄清楚样本集有什么问题。

编辑：所需的输出将类似于以下内容：

节点 15：
硬塑料 30
玻璃 5
软塑料 23
塑料袋 6
碎片 12

varimp()我对派对包中的功能行为感到困惑。

我正在使用条件随机森林来获得 Strobl 等人的变量重要性。2009 年的建议。

它适用于我所有的数据集，但只有一个。我必须将我的观察进行子集化。但是，即使条件随机森林在完整数据集上正常运行，它也只为子集返回零......并且似乎根本不运行，但不会产生错误。

我想知道预测变量的数量是否太多，只能进行少量观察，并尝试仅使用有限数量的预测变量，但它给了我相同的结果。正如在其他情况下指出的那样，它似乎也没有链接到变量类型......

我显然错过了一些东西，但我就是不知道是什么......

如果有人对我应该关注的方向有所了解，我将不胜感激。

我的数据在这里。

您好，我正在使用包partykit及其功能cforest来拟合模型。我还可以使用predict基于多行数据帧的预测。但是，我无法预测只有一行的数据框。

错误信息是：

预测（obj，newdata=df[5，]）向量中的错误（模式 =“列表”，长度 = ncol（w））：无效的“长度”参数

我正在尝试将基于模型的递归分区（MOB）与mob()函数（来自partykit包）一起使用，以分离使用该nls()函数派生的几条曲线。我必须定义我的模型并确定起始值。我一直在尝试查看是否可以将其与该mob()功能一起使用，但无济于事。

我尝试在第 7 页上遵循此示例： https ://cran.r-project.org/web/packages/partykit/vignettes/mob.pdf 我创建了一个拟合函数来估计起始值并返回估计值等nls(). _ 但在那之后我似乎什么也做不了。我想知道是否可以使用带有系数以及因变量和自变量的自定义模型，并将它们包含在内mob()并使其正常工作。我试过这个lmtree()功能，但当然这只会给出一条直线。

我的代码如下。基本上，我使用分段线性回归来获取我正在使用的双指数曲线的起始值。这基本上是我得到的最远的。参数估计会给出错误等，如果你甚至超过它就不会运行。我只需要知道该mob()功能是否可以运行nls()。

我加载了示例数据，但如果可以使用nls()

这是我的示例数据：

非常简单的数据框：

获取ctreeTYPE 变量的分类时：

似乎出现了 3 个标签，但无法确定，因为标签没有写在情节下方的末尾。

如果我只有两个（是，否），为什么要 3 个结束状态？为什么标签不存在？

我正在使用 R 中的 RWeka 包将 M5' 树适合使用“M5P”的数据集。然后我想将生成的树转换为“派对”树，以便我可以访问变量重要性。as.party我遇到的问题是，如果没有出现以下错误，我似乎无法使该功能正常工作：

仅当我在 for 循环中应用该函数时才会出现此错误，但 for 循环是必要的，因为我正在运行 5 折交叉验证。

下面是我一直在运行的代码：

我认为在我研究解决这个问题的过程中，我非常接近。我正在为C5.0 包寻找类似的东西。

SO答案中提供的方法适用于party对象。但是 C5.0 包不支持as.party. 在我进一步的研究中，我发现这个评论说 C5.0 包的维护者已经编写了这个函数，但没有导出它。

我认为这应该可以工作，但不幸的是，建议的函数C50:::as.party.C5.0(mod1)会引发错误：

任何解决此错误的建议表示赞赏。让我们使用以下示例：

我正在使用派对包在 R 中构建 CART 回归树模型，但是当我尝试将模型与测试数据集应用时，我收到错误消息说级别不匹配。

在过去的一周里，我一直在阅读论坛上的帖子，但仍然找不到解决我问题的正确方法。所以我在这里使用我编造的假例子重新发布这个问题。有人可以帮助解释错误消息并提供解决方案吗？

我的训练数据集有大约 1000 条记录，测试数据集有大约 150 条记录。两个数据集中都没有 NA 或空白字段。

我在派对包下使用 ctree 的 CART 模型是：

mytree<- ctree(Rate~Bank+Product+Salary, data=data_train)

数据训练示例：

数据测试示例：

我尝试使用以下代码设置为同一级别：

但是，当我尝试对测试数据集运行预测时，出现以下错误：

我也尝试了以下方法，但它改变了我的测试数据集的字段......：

级别（data_test$Bank）<-级别（data_train$Bank）

data_test 表已更改：