回归树的最佳决策答案

【问题标题】：Best decision for regression tree回归树的最佳决策
【发布时间】：2018-09-02 11:31:16
【问题描述】：

假设我已经创建了一个回归树：

library(rpart)
library(rpart.plot)
data("mtcars")
fit <- rpart(mpg~., data = mtcars)
prp(fit)

现在通过查看树，我可以了解哪些变量会导致我达到 mpg 的最大值和最小值。

但是如果我有一棵大树呢？如何找出哪些变量值会导致我获得最高结果？

【问题讨论】：

“最高结果”是什么意思？最佳精度？还是您想学习如何阅读树状图？
我的完美结果是。为了使 mpg 尽可能高，cyl ==4 和 wt >= 20，或类似的东西。

标签： r regression decision-tree prediction rpart

【解决方案1】：

如果您只想要最高或最低，这将起作用。您可以使用

在每个节点上获取 mpg 的值

fit$frame$yval
[1] 20.09062 16.64762 13.41429 18.26429 26.66364

每次一个节点分裂时，如果该节点的mpg = M，则两个分裂节点将有一个高于M，一个低于M。因此，最大值和最小值都会出现在树的叶子上。所以最高的叶子是

max(fit$frame$yval)
[1] 26.66364

加法

抱歉，我错过了问题的那一部分。

通过使用which.max，我们可以确定哪个节点是最大值。

which.max(fit$frame$yval)
[1] 5

现在我们知道它是节点 5。从那里我们可以使用 partykit 包中的 .list.rules.party 来获取相关规则。由于.list.rules.party 没有从包中导出，我们必须指定函数的来源。此外，该函数只给出叶子的规则，所以我们必须得到具有 name 5 的节点的规则，而不是第 5 条规则。

PFit = as.party(fit)
Rules = partykit:::.list.rules.party(PFit)
Rules["5"]
        5 
"cyl < 5"

或者您可以使用

简化整个过程

Rules[as.character(which.max(fit$frame$yval))]
        5 
"cyl < 5"

求最小值的规则

Rules[as.character(which.min(fit$frame$yval))]
                       3 
"cyl >= 5 & hp >= 192.5"

【讨论】：

谢谢。但是现在如何，知道最高节点来找出方程应该是什么。像 cyl == 4 & wt >= 20。
添加回答。