问题标签 [party]

包中的randomForest()函数randomForest非常有用地提供了基于分类中袋外预测的混淆矩阵。

包中的cforest()函数似乎没有提供这些信息。在文档中搜索“confusion”并没有产生任何有用的信息，在此处搜索也没有。也许我忽略了什么？partyparty

有没有办法获得party::cforest()分类模型的 OOB 混淆矩阵？

我正在使用partykitR 包构建一棵树，我想知道是否有一种简单有效的方法来确定每个内部节点的深度数。例如，根节点的深度为 0，前两个子节点的深度为 1，下一个子节点的深度为 2，依此类推。这最终将用于计算变量的最小深度。下面是一个非常基本的示例（取自vignette("constparty", package="partykit")）：

在这个例子中，我想输出类似于：

如果我的问题太具体，我深表歉意。

我正在尝试使用通用数据集重现我的数据集出现的错误。如果我遗漏了什么，请纠正我。

使用拟合Classification树后library(party)，我试图在每个节点上获取树的拆分条件。我设法编写了一个我认为运行良好的代码，直到我发现了一个错误。谁能帮我解决它？

我的代码：

现在，结果给了我所有节点的列表以及拆分条件和预测（我假设）。但是，当我检查拆分条件时

• Node5上的预期输出：{1.1, 1.2, 1.6, 1.7 }# from printing the tree print(ct), I get this

• 我从我的函数得到的Node5 的输出： {"1" , "1.3" ,"1.4" ,"1.5" } 这基本上是 Node6 的拆分条件，这是错误的。我是怎么得到这个的？

  z <- result[2] #I know node5 is second in the list

  /li>

我怀疑的是，我的函数（recurse_tree）总是给我右终端节点而不是左节点的分裂条件。任何帮助将不胜感激。

我在 R 中使用 Party 包创建了决策树。我试图获得具有最大值的路由/分支。

它可以是来自箱线图的平均值

它可以是来自二叉树的概率值_{（来源：rdatamining.com）}

我将我的数据集分为两组：

1. transactions.Train（80% 的数据）
2. transactions.test（20% 的数据）

然后我使用派对包中的 ctree 方法构建了决策树，如下所示：

我可以成功地在训练集上应用预测方法并使用表函数输出结果如下：

但是当我尝试根据测试集输出表格时，出现了我的问题，如下所示：

错误如下：

我对类似案例进行了研究，这些案例建议省略我所做的任何 NA 值而不改变错误结果。

任何人都可以通过指出这里的问题来帮助我吗？

我正在使用partykit并注意到可能的varid不匹配（除非我误解了什么）。下面是示例代码。

由返回的根节点将nodeapply变量 5 显示为拆分变量。

显式生成的列表的第一个元素也有split$varid5。如果我们查看iris数据框，那么第 5 列是Species，并且Petal.Width是第 4 列，它应该是对象varid所示的根节点j48_party。

似乎varid使用了+1的实际功能，这是故意的吗？

我无法让 partykit 包的 mob 函数进行单变量 MLE 拟合。

UseMethod("estfun") 中的错误：没有适用于 'estfun' 的方法应用于类“fitdistr”的对象 当使用 glm 而不是 fitdistr 时，不会出现上述错误消息

这篇文章遵循这个问题：https ://stackoverflow.com/questions/31234329/rpart-user-defined-implementation

我对可以使用自定义标准处理树生长的工具非常感兴趣，这样我就可以测试不同的模型。

我尝试使用 partykit R 包来生长一棵树，其拆分规则由 Cox 模型的负对数似然给出（在 Cox 模型的情况下为对数准似然）并且拟合了 Cox 模型在每一片叶子上。

据我了解阅读有关 MOB 函数的小插图，有两种方法可以实现我自己的拆分标准，即让 fit 函数返回列表或模型对象。

出于我的目的，我尝试了这两种解决方案，但未能成功。

解决方案 1：返回一个列表对象：

我以“mob”小插曲中的“乳腺癌数据集”为例。

我试过这个：

有一个关于 X 矩阵奇点的警告，并且 mob 函数是一个具有单个节点的树（即使 alpha 值较小）。

请注意，在运行 coxph 函数时，X 矩阵没有奇点问题：

解决方案 2：返回一个 coxph.object ：

我试过这个：

所以这次我沿着“progrec”变量进行了拆分：

我想知道我的解决方案 1 有什么问题。

我还为回归问题尝试了类似的方法并得到了相同的结果，以单叶结尾：

另外我想知道使用“将模型拟合到节点中”和“进行拆分”的变量是否没有问题。

先感谢您。

我可能还有其他关于partykit 功能的问题。

我有一个非常大的数据框，包含 790,000 行和 140 个预测变量。其中一些是相互密切相关的，并且在不同的尺度上。有了这个randomForest包，我可以只使用一小部分数据样本在每个核心上种植一个森林，使用foreach它们并将它们与combine()函数合并以获得一棵大树，如下所示：

不同尺度的相关变量让我想使用party包中的条件随机森林，但是没有combine()用于 cforests 的方法，所以我不确定如何组合几个 cforest 对象来获得一个重要性图或一个预测。

有没有办法在较小的数据子集上训练一个大的 cforest，或者制作几个小的 cforest 并将它们组合成一个更大的条件森林模型？

在 我的问题之后 ，我想知道我应该添加什么来获取节点的值并将其连接到它的名称。我有一个 J48 决策树：

并得到以下字符串：

我想得到以下（值的串联）：

这是我使用的代码：