party

    1熱度

    1回答

    我認爲在我的研究中,爲了解決這個問題我非常接近。我在爲C5.0包尋找類似this的東西。 SO答案中提供的方法與party對象一起使用。但是C5.0軟件包不支持as.party。在我的進一步研究中,我發現this comment C5.0包的維護者已經編寫了該函數,但沒有導出它。 我認爲偉大的這應該工作,但不幸的是建議的功能C50:::as.party.C5.0(mod1)引發錯誤: error

    0熱度

    1回答

    我想了解ctree是如何擬合/預測所有預測變量中完全缺失的觀測值的。例如, library(partykit) airq <- subset(airquality, !is.na(Ozone)) airq <- rbind(airq,data.frame(Ozone=rnorm(50),Solar.R=NA,Wind=NA,Temp=NA,Month=NA,Day=NA)) airct <-

    0熱度

    1回答

    partykit程序包在樹的終端節點上繪製了條形圖,它給出了因變量類的後驗概率的視覺呈現。 我想將這些線條也添加到內部節點中,低於標準圓/橢圓。這需要使用node_inner()和node_barplot()與plot()方法的參數inner_panel的混合功能。 但是,這些功能有相當複雜的內部,我不知道如何混合兩者,以便有內部堆積垂直堆積。 任何想法?

    0熱度

    1回答

    我有一個利潤作爲目標變量和約100個不同的預測變量(一些二進制,一些連續的和一些字符)的數據集。 R中是否有一個決策樹軟件包,可以使用這個軟件包,它可以爲桶(或終端節點)提供利潤最大化(最好> 0)? 目前我一直在使用partykit包中的ctree。被分割的樹總是在預測變量上給出好的分割,但是末端節點總是導致負利潤。 我也很難理解節點端的結果。這些往往是'N ='和'錯誤='。有什麼方法可以獲得

    -1熱度

    1回答

    我有一個包含377個obs和7個變量的數據集。 (我假設它不是很大的數據集),當我嘗試使用Party包生成決策樹時。我得到以下錯誤: Error: cannot allocate vector of size 2.8 Gb In addition: Warning messages: 1: In matrix(0, nrow = p * q, ncol = p * q) :

    2熱度

    1回答

    您好,我正在使用包partykit及其函數cforest來擬合模型。我也可以使用predict來根據多行數據幀進行預測。但是,我無法預測一行數據幀。 require('partykit') y <- matrix(rnorm(500*1),nrow=500,ncol=1) x <- matrix(rnorm(500*6),nrow=500,ncol=6) df <- data.frame(y

    2熱度

    3回答

    我想在這裏應用決策樹。決策樹負責分解每個節點本身。但在第一個節點,我想根據「年齡」分割我的樹。我如何強制這一點。? library(party) fit2 <- ctree(Churn ~ Gender + Age + LastTransaction + Payment.Method + spend + marStat, data = tsdata)

    0熱度

    1回答

    試圖運行R的partypackage的cforest並做了一些基本上錯誤的事情。 這裏是我的示例數據: set.seed(1) pred.mat <- matrix(rnorm(100*10),nrow=100) colnames(pred.mat) <- paste("feature",1:10,sep="") df <- cbind(data.frame(y=round(runif(10

    0熱度

    1回答

    我試圖使用ctree從party獲取條件分類樹。樹運行良好,但我無法找到任何有關如何從樹中看到surrogete分裂結果的信息。 該模型的腳本是: ctree(occurrence ~ ., data = type, controls = ctree_control(maxsurrogate = 3)) 誰能幫我看看surrogete分裂?謝謝!

    0熱度

    1回答

    我構建了一個glmtree,並且我想要在我的樹摘要和繪圖中顯示err。 我設法通過plot(output_tree, type="simple") 但如何在情節顯示的ERR已經犯錯顯示在我的樹摘要: 我的樹只有攔截,但沒有犯錯