R包“树”：如何控制最大树深度？答案

【问题标题】：R package "tree": how to control the maximum tree depth?R包“树”：如何控制最大树深度？
【发布时间】：2015-10-11 12:51:38
【问题描述】：

R 包“tree”将最大树深度限制为 31。如果将函数 tree 应用于大型数据集，则很容易达到此限制：

> library("tree")
> library("ElemStatLearn")
> data <- list(image=as.matrix(zip.train[,-1]), digit=as.factor(zip.train[,1]))
> t <- tree(digit~image, data, split="gini")
Error in tree(digit ~ image, data, split = "gini") : 
  maximum depth reached
Calls: source -> withVisible -> eval -> eval -> tree -> .C

有没有办法告诉tree 在达到最大树深度时停止生长树，而不是因错误而中止？（换句话说：rpart.control 的 maxdepth 参数是否有等价物？）

【问题讨论】：

查看?tree和?tree.control设置参数。
我阅读了帮助页面，但没有找到相关参数。也许我忽略了什么？
这有没有解决？
@Vincent 我个人的结论是使用“rpart”而不是“tree”。
@Vincent tree 和 rpart 是两个相互竞争的包，它们都可以构建分类树。他们做事略有不同，通过实验，我（或者更确切地说是我的一个学生）得到的印象是 rpart 通常看起来比 tree 更精致。所以我的结论是：停止使用 tree 包，开始使用 rpart 包。 rpart 的文档在这里：cran.r-project.org/web/packages/rpart/rpart.pdf

标签： r classification

【解决方案1】：

我同意@jochen 的建议，即rpart 包似乎比tree 包更精致。但是，tree 包似乎在一些小事情上做得更好。例如，为tree 对象绘制决策边界要比为rpart 对象绘制决策边界要容易得多（尤其是使用ggplot）。关于文森特的问题，我通过使用tree.control(min.cut=) 选项控制tree 树的深度取得了一些有限的成功，如下面的代码所示。通过更改终端节点中元素的最小数量，您可以对深度进行有限控制。

library("ElemStatLearn")
 library("tree")
 data <- list(image=as.matrix(zip.train[,-1]), digit=as.factor(zip.train[,1]))
 t <- tree(digit~image, data, split="gini", control=tree.control(1866496, mincut = 1000))
 library(maptree)
 draw.tree(t)

【讨论】：