插入符号 rpart 决策树绘图结果

Question

我正在根据Kaggle 的心脏病数据训练一个决策树模型。

由于我也在使用 10 倍 CV 构建其他模型，因此我正在尝试使用 caret 包和 rpart 方法来构建树。然而，情节结果很奇怪，因为“铊”应该是一个因素。为什么它显示“thaliumnormal

非常感谢！

编辑：我很抱歉没有提供足够的背景信息，这似乎造成了一些混乱。 “铊”是一个变量，代表一种用于检测冠状动脉狭窄（又名狭窄）的技术。它是一个具有三个级别（正常、固定缺陷、可逆缺陷）的因子。

此外，我想让图表更具可读性，例如而不是“thaliumnormal

但是，您可能已经注意到树是不同的，尽管我使用了推荐的 cp 值和 caret rpart CV 10 folds（参见下面的代码）。

我了解这两个包可能会导致一些差异。理想情况下，我可以使用 caret 和方法 rpart 来构建树，以便它与 caret 中内置的其他模型对齐。有谁知道如何使使用插入符号 rpart 构建的树模型的绘图标签更易于理解？

Answer 1

您的因子thaliumnormal 是 0 或 1，代表是或否 - 对吗？

在这种情况下，rpart 采用中间值 0.5，因此 0 或 1 的所有决定都高于或低于 0.5。

低于截止值的值，在本例中为 0.5，总是向左转。所以thaliumnormal==0 左转，是的。

您可以看到与sex 相同的示例

Answer 2

如果有一些数据会有所帮助，例如dput(head(data)) 可以向我们展示您的数据的真实情况，或者str(data) 可以显示变量和数据类型的级别。

但很可能（没有看到）变量是thallium，一个级别是normal，并且表格选择了变量thallium的一个级别，并且正在评估，如果有什么是那个级别normal或不是。

树将分类变量按级别视为虚拟变量，并根据 >= .5 或

根据设计，大多数树算法会为每个变量（包括虚拟 0./1）选择最纯净（将最多观察值移到一侧或另一侧并更接近分类）的截止值，并选择一个指向两个值之间的中间，这两个值在组中产生最大的分离度。

对于二元变量，分割为 0.5，因为它介于两个不同值之间，一个级别可以取 0 和 1。