我不知道如何在 R 中创建这棵树

Question

我想通过每小时应用更好的广告系列来最大化收入。

我想创建一棵树来帮助我选择更好的广告系列。

在下面的数据中，记录了每个广告系列每小时的收入。

查看数据，我可能会发现广告系列 A 在 1-12 小时之间效果更好，而广告系列 B 在 13-24 小时之间效果更好。

如何在 R 中创建可以告诉我的树？

  hour campaign revenue
    1        A      23
    1        B      20
    2        A      21
    2        B      22
    3        A      23
    3        B      20
    4        A      21
    4        B      22
    5        A      23
    5        B      20
    6        A      21
    6        B      22
    7        A      20
    7        B      17
    8        A      18
    8        B      19
    9        A      20
    9        B      17
   10        A      18
   10        B      19
   11        A      20
   11        B      17
   12        A      19
   12        B      18
   13        A       8
   13        B       9
   14        A       6
   14        B      11
   15        A       9
   15        B       8
   16        A       6
   16        B      11
   17        A       9
   17        B       8
   18        A       6
   18        B      11
   19        A       3
   19        B       2
   20        A       3
   20        B       2
   21        A       0
   21        B       5
   22        A       3
   22        B       2
   23        A       3
   23        B       2
   24        A       0
   24        B       5

Answer 1

我不确定您正在寻找什么样的树，但 revenue 的线性模型树与回归器 campaign 和分区变量 hour 可能有用。在包partykit 中使用lmtree()，您可以拟合一棵树，该树首先通过拟合具有两个系数（拦截和活动B 效应）的线性模型，然后只要至少其中一个存在显着不稳定性就拆分数据系数：

library("partykit")
(tr <- lmtree(revenue ~ campaign | hour, data = d))
## Linear model tree
## 
## Model formula:
## revenue ~ campaign | hour
## 
## Fitted party:
## [1] root
## |   [2] hour <= 12: n = 24
## |       (Intercept)   campaignB 
## |         20.583333   -1.166667 
## |   [3] hour > 12: n = 24
## |       (Intercept)   campaignB 
## |          4.666667    1.666667 
## 
## Number of inner nodes:    1
## Number of terminal nodes: 2
## Number of parameters per node: 2
## Objective function (residual sum of squares): 341.1667

在这个（可能是人为的）数据中，这选择了 12 小时的单个拆分，然后有两个终端节点：一个具有负面的活动 B 效果（即 A 更好）和一个具有正面的活动 B 效果（即, B 更好）。生成的plot(tr) 产生：

这也表明，收入水平的变化也导致了这种差异，而不仅仅是不同的广告系列效果（相当小）。

底层树算法称为“基于模型的递归分区”（MOB），也适用于线性回归以外的模型。有关详细信息，请参阅手册和小插图中的参考资料。

另一个可能有趣的算法是 Dusseldorp 和 Van Mechelen 的 QUINT（定性交互树），可在 quint 包中找到。

为了方便复制上面的例子：d 数据框可以通过

d <- read.table(textConnection("hour campaign revenue
    1        A      23
    1        B      20
    2        A      21
    2        B      22
    3        A      23
    3        B      20
    4        A      21
    4        B      22
    5        A      23
    5        B      20
    6        A      21
    6        B      22
    7        A      20
    7        B      17
    8        A      18
    8        B      19
    9        A      20
    9        B      17
   10        A      18
   10        B      19
   11        A      20
   11        B      17
   12        A      19
   12        B      18
   13        A       8
   13        B       9
   14        A       6
   14        B      11
   15        A       9
   15        B       8
   16        A       6
   16        B      11
   17        A       9
   17        B       8
   18        A       6
   18        B      11
   19        A       3
   19        B       2
   20        A       3
   20        B       2
   21        A       0
   21        B       5
   22        A       3
   22        B       2
   23        A       3
   23        B       2
   24        A       0
   24        B       5"), header = TRUE)

Answer 2

这样的东西有用吗？

## create a sequence of hours from column 1 of the data
hr <- as.numeric(unique(data[,1]))

## Set up vectors to hold the A and B campaign "best" hours
A.hours=NULL
B.hours=NULL

## start at the lowest hour 
i=1
while(i<=max(hr)) {
    ## create a subset of data from the current hour 
    sub.data <- data[matrix(which(data[,1]==hr[i])),]
    ## find the campaign with the highest revenue  
    best.camp <- sub.data[which(sub.data[,3]==max(sub.data[,3])),2]

    if(best.camp=="A") {
        A.hours <- c(A.hours,hr[i])
    }
    if(best.camp=="B") {
        B.hours <- c(B.hours,hr[i])
    }

    i=i+1
}

代码表明，在 A.hours（小时数：1 3 5 7 9 11 12 15 17 19 20 22 23）期间，活动 A 更有利可图。

但是，在 B.hours（小时数：2 4 6 8 10 13 14 16 18 21 24）期间，广告系列 B 的利润更高。