partykit::ctree 在多数 = TRUE 的随机性答案

【问题标题】：partykit::ctree randomness in majority=TRUEpartykit::ctree 在多数 = TRUE 的随机性
【发布时间】：2016-09-01 02:04:57
【问题描述】：

我试图了解 ctree 如何在所有预测变量中完全缺失的情况下拟合/预测观察结果。例如，

library(partykit)
airq <- subset(airquality, !is.na(Ozone))
airq <- rbind(airq,data.frame(Ozone=rnorm(50),Solar.R=NA,Wind=NA,Temp=NA,Month=NA,Day=NA))
airct <- ctree(Ozone ~ ., data = airq,control = ctree_control(majority = TRUE))
table(tail(predict(airct,type="node"),50))

airq 的最后 50 行缺少所有预测变量，通过阅读文档，我得到的印象是，majority=TRUE 将跟随大多数，这意味着它们都应该进入同一个节点而没有变化一点也不。然而我得到了他们的预测分布。

所以

我对@987654324@ 工作原理的理解是否正确？
ctree 如何拟合/预测没有观察到的预测变量的行？

顺便说一句，我尝试跟踪代码以查看majority 参数的使用方式，并看到partykit:::.cnode 中的#104 行有：

prob <- numeric(0) + 1L:length(prob) %in% which.max(prob)

这对我来说看起来很奇怪，因为结果总是numeric(0)。

【问题讨论】：

标签： r party

【解决方案1】：

这是/曾经是处理majority 控制参数的错误。它最近已在 R-Forge 存储库中修复（请参阅https://R-Forge.R-project.org/R/?group_id=261），但尚未发布到 CRAN。运行后

install.packages("partykit", repos = "http://R-Forge.R-project.org")

一切都应该按预期工作。 CRAN 的发布日期尚未确定，但我认为应该不会太遥远。

【讨论】：