R中基於決策樹的條件執行

Question

我有一個CSV文件，其中包含預測變量，例如血壓（BP），心率（HR），體重，體表面積（BSA），體重指數（BMI），年齡和性別。

對於這些變量，有一種基於決策樹的算法，可將這些患者分為高風險是/否類別。 因此，HIGH_RISK是CSV中的最后一列，當前為空。 現在，即使我可以對單個主題（CSV文件中的單個行）使用該算法來填充HIGH_RISK列，但由於行數太多，因此手動進行操作是不切實際的。

如果它是簡單的加法，減法，乘法等，那么我將在R甚至Excel中完成它。 但是由於該算法涉及分支決策樹，因此我不確定該如何做。 但是我可以肯定，因為R非常強大。 有什么建議么？

決策樹與此類似： http : //www.scielo.br/img/revistas/sa/v70n6/a01fig04.jpg

Answer 1

您可以使用我為您編寫的此輔助函數：

decisionTree <- function(dataframe, lst) {
  if (!is.recursive(lst)) return(lst)
  values <- numeric(nrow(dataframe))
  indices <- eval(parse(text = names(lst)[1]), dataframe)
  values[indices] <- decisionTree(dataframe[indices, ], lst[[1]])
  values[!indices] <- decisionTree(dataframe[!indices, ], lst[[2]])
  values
}

通用格式是將data.frame作為第一個參數傳遞， data.frame表示決策樹的嵌套列表作為第二個參數傳遞，格式如下：

 list("first_variable > 0.3" = 
         list("second_variable > 0.5" = 1,
              "second_variable <= 0.5" = list(
                 "third_variable > 0.3" = 0,
                 1) # naming the negated condition is optional
              ),
      "first_variable <= 0.3" = 0)

例

iris$foo <- decisionTree(iris, list("Sepal.Length > 5" = list("Petal.Length > 1.3" = 1, 0), 0))
head(iris) # All entries with Sepal.Length > 5 and Petal.Length > 1.3 will contain a 1.
#      Sepal.Length Sepal.Width Petal.Length Petal.Width Species foo
#    1          5.1         3.5          1.4         0.2  setosa   1
#    2          4.9         3.0          1.4         0.2  setosa   0
#    3          4.7         3.2          1.3         0.2  setosa   0
#    4          4.6         3.1          1.5         0.2  setosa   0
#    5          5.0         3.6          1.4         0.2  setosa   0
#    6          5.4         3.9          1.7         0.4  setosa   1

對於您提供的圖形，第二個參數如下所示：

list("Ts_Armpit > 35.1" = 1,
  list("Ts_Breast <= 0.39" = list("Ts_Croup <= 28.9" = 1, 0),
    list("Ts_Groin <= 35.1" = 1, list("Ts_Armpit <= 33.7" = 1, 0))))

其中1表示不適， 0表示舒適。