强制决策树进入最小度数答案

【问题标题】：Forcing decision trees into minimum degrees强制决策树进入最小度数
【发布时间】：2016-07-23 20:30:21
【问题描述】：

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 Party Package (ctree) 构建决策树，但它在设置的参数/类别中被忽略。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）？我想强制树最少节点数。

例如，在附加图中，有 7 个节点。我想强制树有 10 个节点。这可能吗？

谢谢！

【问题讨论】：

【解决方案1】：

从您的问题来看，您不清楚您要达到的目标。添加可重现的代码并描述您的问题。这是一个示例，如果需要，您可以如何参数化节点/树的数量：

library(caret)
modFit<-train(classifier~., data=training, method="rf", ntree=100, importance=TRUE, maxnodes=3)

有关基于树的模型的更多详细信息（使用包“caret”）：

http://topepo.github.io/caret/Tree_Based_Model.html

【讨论】：

不确定这个练习的目标是什么。但是你可以通过基本改变训练参数来获得不同数量的节点。例如。下一个值将为您提供所需的 10 个节点：tree1 <- tree(Species~Sepal.Width+Petal.Width, control = tree.control(nobs=150,mincut=3, minsize=7, mindev=0), data=iris)
我认为在ctree()（或rpart()）中强制一棵树恰好有10个节点并不容易。您有各种调整选项，例如最小节点大小、树的最大深度，以及 ctree() 保持分裂所需的显着性水平。正如@Alex 之前提到的，修改这些将导致（大约）所需大小的树。