如何在R中将“ RWeka”决策树转换为“方”树？

Question

我正在R中使用RWeka软件包，以使用“ M5P”将M5'树适合数据集。 然后，我想将生成的树转换为“派对”树，以便可以访问变量的重要性。 我遇到的问题是，在没有出现以下错误的情况下，我似乎无法使as.party函数as.party工作：

"Error: all(sapply(split, head, 1) %in% c("<=", ">")) is not TRUE"

仅当我在for循环中应用函数时才会出现此错误，但是当我运行5倍交叉验证时，for循环是必需的。

下面是我一直在运行的代码：

n <- nrow(data)

k <- 5

indCV <- sample( rep(1:k,each=ceiling(n/k)), n)


for(i in 1:k){

#Training data is for all the observations where indCV is not equal to i

training_data <- data.frame(x[-which(indCV==i),])

training_response <- y[-which(indCV==i)]

#Test the data on the fifth of the data where the observation indices are equal to i

test_data <- x[which(indCV==i),]

test_response <- y[which(indCV==i)]

#Fit a pruned model to the training data

fit <- M5P(training_response~., data=training_data, control=Weka_control(N=TRUE))

#Convert to party

p <- as.party(fit)
}

Answer 1

RWeka软件包提供了一个将M5P树转换为party对象的示例。 如果您运行example("M5P", package = "RWeka")那么example("M5P", package = "RWeka")可视化实际上是由partykit绘制的。 运行示例之后，请参见plot(m3)和as.party(m3) 。

但是，尽管对于J48您可以获得完整的constparty对象，但对于M5P并非如此。 在后一种情况下，树结构本身可以转换为party但是节点内的线性模型转换为lm对象并非完全简单。 因此，如果要使用参与party表示来计算仅取决于树结构的度量（例如，用于拆分的变量，拆分数，拆分点等），则可以这样做。 但是，如果您要计算依赖于模型或预测的度量（例如均方误差等），那么party类将无济于事。