如何在 R 中使用 predict 命令来验证我的训练模型决策树

Question

我使用“party”库中的 ctree 函数创建了一个决策树训练模型，以帮助教师决定跟进哪些学生。 现在我想将这个训练模型应用到我的测试集中，以便根据学生有多少问题来预测教师是否应该“（1）干预”、“（2）监控学生进度”或“（3）不采取任何行动”之前回答过的问题，他们答对的百分比，以及他们需要多少提示。

library(party)

D1 <- read.csv(training data with 378 observations and 4 variables: 
               prior_prob_count, prior_percent_correct, hints_count, score)

HW1。 根据学生分数创建一个分类结果变量，以使用“ifelse”语句为教师提供建议：

D1$advice <- ifelse(D1$score < 0.5, "1", ifelse(D1$score < 0.6, "2", "3"))

如果学生的分数低于 0.5，教师应介入（1）。 否则，如果学生的分数低于 0.6，教师应监控学生的进步 (2)。 否则，如果学生的分数高于 0.6，教师不应采取任何行动 (3)。

HW2。 构建预测“建议”的决策树：

D1$advice <- as.factor(D1$advice) 
score_ctree <- ctree(advice ~ prior_prob_count + prior_percent_correct + hints, data=D1)
plot(score_ctree)  # see image for visualization

情节（score_ctree）

HW3。 上传新的测试数据并根据旧学生生成的树使用 predict() 命令为新学生生成预测建议

D2 <- read.csv(test data with 200 observations and 4 variables: 
               prior_prob_count, prior_percent_correct, hints_count, score)
D2$prediction <- predict(object = D2, model = score_ctree)

UseMethod("predict") 中的错误：没有适用于“预测”的方法应用于“data.frame”类的对象

Answer 1

我认为你的predict参数是错误的。 我没有安装party包，但查看其他predict功能应该是：

D2$prediction <- predict(newdata = D2, object = score_ctree)