在 rpart.plot 中格式化拆分标签

Question

我正在用 rpart.plot::prp() 绘制一棵树，很像：

library("rpart.plot")
data("ptitanic")
data <- ptitanic
data$sibsp <- as.integer(data$sibsp) # just to show that these are integers
data$age <- as.integer(data$age) # just to show that these are integers
tree <- rpart(survived~., data=data, cp=.02)
prp(tree, , fallen.leaves = FALSE, type=4, extra=1, varlen=0, faclen=0, yesno.yshift=-1)

即使某些变量是整数（age 和 sibsp），rpart 也会创建一个看似任意的分割点，这会让观众感到困惑。船上没有人有 2.5 siblings/spouses -- 逻辑拆分是 sibsp >= 3

我看过 split.fun 这个优秀的 tutorial 和 ?prp。除了使用正则表达式捕获数字、正确格式化并在标签字符串中替换它之外，我想不出 prp.

中的任何解决方案

我正在考虑的一个解决方法是传递修改后的 tree（class rpart 的对象），其中的内容已四舍五入。是否可以通过修改 tree$splits?

来做到这一点

还有其他想法吗？

Answer 1

1) 有序因子 我认为 age 作为连续变量是可以的，但是要处理 sibsp 和 parch 使它们成为有序的因素：

data <- transform(data, sibsp = ordered(sibsp), parch = ordered(parch))
tree <- rpart(survived~., data=data, cp=.02)
prp(tree, , fallen.leaves = FALSE, type=4, extra=1, varlen=0, faclen=0, yesno.yshift=-1)

2) split.fun 另一种方法是像这样指定我们自己的 split.fun:

# next 4 lines are same as in question
data <- ptitanic
data$sibsp <- as.integer(data$sibsp) # just to show that these are integers
data$age <- as.integer(data$age) # just to show that these are integers
tree <- rpart(survived~., data=data, cp=.02)

split.labs <- function(x, labs, digits, varlen, faclen) {
   sapply(labs, function(lab) 
      if (grepl(">=|<", lab)) {
         rhs <- sub(".* ", "", lab)
         lab <- sub(rhs, ceiling(as.numeric(rhs)), lab)
      } else lab)
} 
prp(tree, , fallen.leaves = FALSE, type=4, extra=1, varlen=0, faclen=0, yesno.yshift=-1, 
   split.fun = split.labs) # same as in question except for split.fun= arg

这给出：

(2a) (2) 的一种变体提供了更多的控制，即可以精确指定要修改的变量，如下所示：

# next 4 lines are same as in question
data <- ptitanic
data$sibsp <- as.integer(data$sibsp) # just to show that these are integers
data$age <- as.integer(data$age) # just to show that these are integers
tree <- rpart(survived~., data=data, cp=.02)

split.labs2 <- function(x, labs, digits, varlen, faclen) {
    sapply(labs, function(lab) 
        if (grepl("age|sibsp|parch", lab)) {
            rhs <- sub(".* ", "", lab);
            lab <- sub(rhs, ceiling(as.numeric(rhs)), lab)
        } else lab)
} 

# similar to (2) except we use clip.right.labs = FALSE and split.labs2

prp(tree, type = 4, fallen.leaves = FALSE, extra=1, varlen=0, faclen=0, 
   yesno.yshift=-1, clip.right.labs = FALSE, split.fun = split.labs2)

Answer 2

rpart.plot 包的 3.0.0 版（2018 年 7 月）专门处理具有整数值的预测变量，以自动获得您想要的结果。

所以 rpart.plot 现在自动打印 sibsp >= 3 而不是 sibsp >= 2.5，因为它看到在训练数据中 sibsp 的所有值都是整数。

vignette for the rpart.plot package 的第 4.1 节有一个示例。

在 rpart.plot 中格式化拆分标签

format split labels in rpart.plot

r

rpart