Dimensioni albero fornite dalla tabella CP in rpart

Question

Nel pacchetto R rPAR, cosa determina la dimensione degli alberi presentati all'interno della tabella CP per un albero decisionale? Nell'esempio seguente, la tabella CP assume come predefiniti solo gli alberi con 1, 2 e 5 nodi (come nsplit = 0, 1 e 4 rispettivamente).

library(rpart) 
fit <- rpart(Kyphosis ~ Age + Number + Start, method="class", data=kyphosis) 
> printcp(fit) 

Classification tree: 
rpart(formula = Kyphosis ~ Age + Number + Start, data = kyphosis, 
method = "class") 

Variables actually used in tree construction: 
[1] Age Start 

Root node error: 17/81 = 0.20988 

n= 81 

     CP nsplit rel error xerror xstd 
1 0.176471  0 1.00000 1.00000 0.21559 
2 0.019608  1 0.82353 0.94118 0.21078 
3 0.010000  4 0.76471 0.94118 0.21078 

Esiste una regola intrinseca rpart() utilizzato per determinare le dimensioni di alberi ad oggi? Ed è possibile forzare printcp() per restituire le statistiche di convalida incrociata per tutte le possibili dimensioni dell'albero, ad esempio per l'esempio precedente, anche le righe per alberi con 3 e 4 nodi (nsplit = 2, 3)?

Answer 1

La funzione rpart() è controllata utilizzando la funzione rpart.control(). Ha parametri come minsplit che dice alla funzione di dividere solo quando ci sono più osservazioni quindi il valore specificato e cp che dice alla funzione di dividere solo se la mancanza totale di adattamento è diminuita di un fattore di cp. Se si guarda summary(fit) nell'esempio sopra riportato, mostra le statistiche per tutti i valori di nsplit. Per ottenere questi valori da stampare quando si utilizza printcp(fit), è necessario scegliere i valori appropriati di cp e minsplit quando si chiama la funzione originale rpart.

Answer 2

La documentazione cran-r su rpart menziona l'aggiunta dell'opzione cp = 0 alla funzione rpart. http://cran.r-project.org/web/packages/rpart/vignettes/longintro.pdf Indica inoltre altre opzioni che possono essere fornite nella funzione rpart, ad esempio per controllare il numero di suddivisioni.

dfit <- rpart(y ~ x, method='class', 
      control = rpart.control(xval = 10, minbucket = 2, **cp = 0**))