R 分类树问题

Question

我对机器学习比较陌生，但我想创建一个基于世界银行数据集的分类树。 分类树必须满足 3 个特征： continent=Europe ， currency=euro ， income group = high income

此图形应如下所示：

我已经尝试过了，但它没有给我我想要的 output：

library(tidyverse)
library(rpart)

WDICountry <- read.csv("https://gigamove.rz.rwth-aachen.de/d/id/pUKMStHbu9orYo/dd/100")

tree1 <- WDICountry %>%
  mutate(europe = ifelse(`2-alpha code` %in% european_countries, TRUE, FALSE),
         euro = ifelse(`Currency Unit` == "Euro", TRUE, FALSE),
         income = as.factor(ifelse(`Income Group` == "  High income", "High income", "non-high")))%>%
  mutate(`Income Group` = as.factor(`Income Group`))%>%
  select(`Income Group`, europe, euro)%>%
  filter(complete.cases(.))%>%
  rpart(data = .,formula = `Income Group` ~ europe+ euro)

plot(tree1)
text(tree1)

有人能帮我吗？

You can download this dataframe as a csv file here: https://gigamove.rz.rwth-aachen.de/d/id/pUKMStHbu9orYo?10&id=pUKMStHbu9orYo

Answer 1

决策树是一个 model 来分类，所以如果没有足够的证据支持分类中变量的分裂，则不进行分裂。 因此，当您使用 plot 时，并非使用所有变量或可能的拆分。

下面我将调整一些参数以使所有拆分发生，但请注意这很可能不是构建决策树 model 的方法。

首先，获取数据。 请注意，您不需要 ifelse 来设置 boolean，我对变量名有很多问题，所以下面是使用 csv 文件更正后的列名：

library(rpart)
library(rpart.plot)
library(dplyr)

WDICountry = read.csv("WDICountry.csv",stringsAsFactors=FALSE)

european_countries = WDICountry[grep("Europe",WDICountry$Region),"X2.alpha.code"]

dat = WDICountry%>%
mutate( europe = X2.alpha.code  %in% european_countries,
       euro= Currency.Unit =="Euro",
       income=as.factor(ifelse(Income.Group =="High income","High income","non-high")))%>%
select(income,europe,euro)%>%
filter(complete.cases(.))

在安装 model 之前，请查看最小拆分：

table(dat$europe,dat$euro)
       
        FALSE TRUE
  FALSE   203    2
  TRUE     35   23

因此，您需要将最小拆分设置为最低以确保其拆分，并且我们还设置了复杂度参数，以便拆分进行：

mdl = rpart(income ~ europe+euro,data = dat,minsplit=2,method="class",cp=-1)
rpart.plot(mdl)