我可以手动创建RWeka决策（递归分区）树吗？

Question

我已经使用RWeka构建了J48决策树。 我想将其性能与描述现有（外部计算的）决策树的决策树进行比较。 我是RWeka的新手，无法手动创建RWeka决策树。 理想情况下，我想并排显示这两个图像，并使用RWeka可视化效果对其进行绘制（非常有用且干净）。

现在，我将RWeka计算的决策树导出到Graphviz并将其操纵到所需的结构中。 我想在开始之前进行检查，并确保不能简单地指定要手动指定决策树的规则。

我不想计算决策树（我已经做到了），我想手动构造/指定决策树（在演示文稿中进行统一比较）。

在此先感谢您。

Answer 1

RWeka程序包本身无法做到这一点。 但是， RWeka使用partykit包来显示其树，该树可以完成您想要的操作。 查看vignette(“partykit“, package = “partykit“)如何使用预先指定的partysplit构造递归的partynode对象，然后将其转换为constparty 。 小插图为此提供了一个动手的示例。

Answer 2

这里是软件包一些示例代码partykit该@Achim Zeileis建议。

library(partykit)

加载数据：

data("WeatherPlay", package = "partykit")
WeatherPlay
#  outlook temperature humidity windy play
#  1 sunny 85 85 false no
#  2 sunny 80 90 true no
#  3 overcast 83 86 false yes
#  4 rainy 70 96 false yes
#  5 rainy 68 80 false yes
#  6 rainy 65 70 true no
#  7 overcast 64 65 true yes
...

初始化决策：整数1L表示此拆分适用的尚未指定的数据帧的列。 索引对应于因子的水平（离散拆分），中断对应于截止值（连续拆分）。

sp_o <- partysplit(1L, index = 1:3)
sp_h <- partysplit(3L, breaks = 75)
sp_w <- partysplit(4L, index = 1:2)

将决策合并到节点中：

pn <- partynode(1L, split = sp_o, kids = list(
  partynode(2L, split = sp_h, kids = list(
  partynode(3L, info = "yes"),
  partynode(4L, info = "no"))),
  partynode(5L, info = "yes"),
  partynode(6L, split = sp_w, kids = list(
  partynode(7L, info = "yes"),
  partynode(8L, info = "no")))))

使数据适合树：

t2 <- party(pn,
  data = WeatherPlay,
  fitted = data.frame(
    "(fitted)" = fitted_node(pn, data = WeatherPlay),
    "(response)" = WeatherPlay$play, # response variable
  check.names = FALSE),
  terms = terms(play ~ ., data = WeatherPlay),
  )

t3 <- as.constparty(t2)
plot(t3)

来源： http : //cran.r-project.org/web/packages/partykit/vignettes/partykit.pdf