如何构建具有多个分类变量的决策树分类模型？答案

【问题标题】：How can I build a decision-tree classification model with multiple categorical variables?如何构建具有多个分类变量的决策树分类模型？
【发布时间】：2021-12-02 10:16:21
【问题描述】：

我是一个完全的菜鸟，所以这是一个相当基本的问题。我希望在 SAS 中构建基于决策树的分类模型。

我无法在我的问题中嵌入图片，也无法附加图片，但我有一个正在使用的数据集。

这是我的数据集的链接预览：我正在尝试使用 SAS 中的 hpsplit 过程构建此决策树，但它不起作用。我想是因为：

(1) 我没有使用所有的分类变量

(2) 我在“node-caps”列中缺少值：可用选项为 yes、no 和 ? - 我想我应该使用“ASSIGNMISSING”程序，但不确定。见图片：

这是我当前的代码：

proc hpsplit data=bcancer seed=1;
class class;
model class = Age Menopause tumor_size inv_nodes node_caps deg_malig breast breast_quad irradiat;
grow entropy;
prune costcomplexity;
run;

我认为我应该是：

(1) 在第二行添加更多变量（因为它们是分类的）

(2) 添加“ASSIGNMISSING”过程以解决一列中缺失的变量。见链接：https://i.imgur.com/aJmB3kx.png

NOTE: The ASSIGNMISSING= option has not been specified.  Because of this, all observations with
      missing values in the explanatory variables will be excluded from tree construction.
ERROR: Character variable appeared on the MODEL statement without appearing on a CLASS statement.
ERROR: Unable to create a usable predictor variable set.
NOTE: The SAS System stopped processing this step because of errors.
NOTE: PROCEDURE HPSPLIT used (Total process time):
      real time           0.01 seconds
      cpu time            0.01 seconds

作为参考，这是我在日志中看到的错误。任何帮助将不胜感激！

【问题讨论】：

标签： sas decision-tree categorical-data

【解决方案1】：

分类变量需要在 CLASS 语句中。看起来您的许多变量都是分类变量，需要在 CLASS 语句中。连续变量应该是数字，但我在您的数据中看不到任何变量。

因为分类变量 node_caps 是字符 ? 将被分配为一个级别，而不是作为缺失。您是否希望它们被编码为缺失或包含在该变量自己的级别中？

proc hpsplit data=bcancer seed=1;
class age menopause tutor_size inv_nodes node_caps deg_malig breast breast_quad irradiat;
model class = Age Menopause tumor_size inv_nodes node_caps deg_malig breast breast_quad irradiat;
grow entropy;
prune costcomplexity;
run;

【讨论】：