问题标签 [rpart]

（我仍在学习如何在 R 中处理图像；这是rpart 包的延续：Save Decision Tree to PNG）

我正在尝试以 PNG 形式保存 rpart 中的决策树图，而不是提供的附言。我的代码如下所示：

但剪掉了两边边缘节点的一些标签。这在原始图像中不是问题post，我已将其转换为 png 只是为了检查。我已经尝试同时使用oma和mar中的设置par，推荐作为标签/文本问题的解决方案，并且两者都在图像周围添加了空白，但不再显示标签。有没有办法让文字适合？

在一项作业中，我们被要求对 CART 模型执行交叉验证。我尝试使用 from 的cvFit函数，cvTools但收到一条奇怪的错误消息。这是一个最小的例子：

我看到的错误是：

和traceback()：

看起来这y是强制性的cvFit.default。但：

我究竟做错了什么？哪个包可以让我对 CART 树进行交叉验证，而无需自己编写代码？（我太懒了……）

我目前正在使用该rpart软件包将回归树拟合到具有相对较少的观察和数千个具有两个可能值的分类预测变量的数据。

通过在较小的数据上测试包，我知道在这种情况下，我是否将回归变量声明为分类（即因子）或保持原样（它们被编码为 +/-1）并不重要。

但是，我仍然想了解为什么将我的解释变量作为因素传递会显着减慢算法的速度（尤其是因为我很快就会得到新数据，其中响应需要 3 个不同的值并将它们视为连续的将不再是一种选择）。当然应该反过来吗？

这是一个模拟我的数据的示例代码：

现在比较：

处理每个变量（因子）只有一个潜在的分裂可能性比处理整个范围的潜在分裂（对于连续变量）更简单、更快捷，所以我对这种rpart行为最感到困惑。任何澄清/建议将不胜感激。

我正在尝试使用 rpart 对具有 16 个变量和 420 个观察值的数据集进行分类（该数据集是http://archive.ics.uci.edu/ml/datasets/Arrhythmia数据集的子集；我只选择了某些变量并排除了缺少观察）。

我正在运行的代码如下，问题是它似乎陷入了无限循环：

我对 rpart 很陌生，因此我对如何尝试解决这个问题没有太多想法。我尝试在同一个数据集上运行“树”，它运行良好。

关于为什么 rpart 会陷入无限循环的任何想法？谢谢您的帮助！赞赏！L.

我想制作一个像图片中的回归树。这棵树是在 Cubist 中完成的，但我没有那个程序。我确实使用 R 和 Python。它似乎与 R 包 rpart 或树不同，因为末端节点是线性公式，而不仅仅是平均值。有什么方法可以使用 R 或其他一些免费软件来做到这一点？

图中，NDVI、B1、B2 等为变量。图片来自这个网站。

我正在尝试使用决策树对我的数据进行分类，问题是树没有分支，它只有根节点。我不明白这个错误。

所有变量都设置为因子（0/1）

谁能找到错误..我的代码如下

结果如下

如何获取rpart每一行模型的终端节点的 ID（或名称）？predict.rpart只能返回type="matrix"分类树的预测类（数字或因子）或类概率或某种组合（使用 ）。

我想做类似的事情：

我是 R 的新手，我使用的是 R 3.0.1 版本，我已经使用 install.packages("rpart") 在弹出框中选择 USA(CA 1) 安装了 rpart 包，并且安装成功

那我怎么了？？

我创建了一个包含所有分类变量的决策树模型。其中一些分类变量有超过 100 个可能的值。

这是我的代码：

问题是text(model)用对应分类变量的一长串值来注释每个拆分节点。价值观相互挤压，难以观察。我正在寻找一个text(model)仅显示变量名称并抑制所有值的选项。这样，至少绘制的树是清晰的，并显示了每个节点使用了哪些变量。

提前致谢！

狮子座

我无法理解这里出了什么问题。

我收到以下错误：