rpart

0熱度

1回答

我想將函數confusionMatrix()納入caret package函數shuffle100，以便從主集的子集（數據框）中生成混淆矩陣 - 從分類樹模型生成的列表。我的目標是產生混淆矩陣統計信息，如分類準確度，卡帕度量等（下面的期望輸出）。我很抱歉問這麼簡單的問題，但我無法弄清楚。如果任何人都可以提供幫助，那麼很多感謝。重現的僞數據可以在這個地址上找到： Reproducible data

0熱度

1回答

應用函數從列表中的分類樹類概率的嵌套列表中生成混淆矩陣

我很抱歉提前對我的問題做了如此詳盡的解釋。我使用三個函數Shuffle100my_List和Final_lists（如下）從分類樹類概率（分組因子：G8和V4）中生成了10個嵌套數據幀。對不起，我正在問這個簡單的問題，但我無法弄清楚。如果有人找到解決方案，非常感謝。目標1 （1）我想從caret package插入功能confusionMatrix()到函數shuffle100以產生10點混淆矩

5熱度

4回答

在rpart節點中獲取觀測數據（即：CART）

我想檢查所有到達rpart決策樹中某個節點的觀測值。例如，在下面的代碼： fit <- rpart(Kyphosis ~ Age + Start, data = kyphosis) fit n= 81 node), split, n, loss, yval, (yprob) * denotes terminal node 1) root 81 17 absent (0.7

0熱度

1回答

如何在插入符號列表中指定minbucket？

對於CART模型，插入符號似乎只提供了複雜度參數的調整。有沒有辦法調整其他參數，如minbucket？

1熱度

1回答

來自決策樹的葉節點的前n個分裂

我正在使用rpart pacakge的R，我想提取葉節點的前3個分裂而不是僅僅最好。是否可以在不更改rpart的源代碼的情況下執行此操作？

0熱度

1回答

來自決策樹的前n類葉節點

我使用的是rpart pacakge R，我想爲葉節點提取前2個預測類，而不僅僅是最好的。以iris數據爲例： fit <- rpart(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data = iris) print(fit) ，輸出是： n= 150 node), split, n, loss

-1熱度

1回答

無法從rpart

預測我有一個矩陣的特徵（在列中）最後一列是類標籤。觀察成行。我在R中使用rpart在我的數據子集上構建決策樹，並使用其餘數據進行預測來測試它。學習樹的代碼是 fTree <- rpart(feature$a ~ feature$m, data = feature[fold != k, ], method = "class", parms = list(split = "gini"))

1熱度

1回答

試圖做一個生存樹的交叉驗證

我試圖使用rpart中的決策樹進行生存分析，類似於這裏：Using a survival tree from the 'rpart' package in R to predict new observations。爲了將決策樹生存模型與其他模型（如Cox迴歸）進行比較，我想使用交叉驗證來獲得Dxy並比較c指數。當我嘗試將validate.rpart與包含Surv對象的rpart配合使用時，我收到

0熱度

1回答

在大型數據集上使用rpart軟件包

我有一個包含近10000行和10列的大型數據集。我想用rpart軟件包對這個數據集進行分類。但每列有許多（超過50）類。所以R只是掛起。我有什麼選擇來限制數據範圍或減少每列中的類數？

0熱度

1回答

節點深度rpart

我正在使用rpart生成分類樹。我需要每個節點的深度，以便識別更孤立（距離父節點更遠）的節點以及更接近父節點的節點。有誰知道我如何獲得這些信息？提前致謝！