partykit 对象变量不匹配

Question

我正在使用 partykit 并注意到可能 varid 不匹配（除非我误解了什么）。下面是示例代码。

nodeapply 返回的根节点显示变量 5 作为拆分变量。

显式生成的列表的第一个元素也有 split$varid 5。如果我们查看 iris 数据框，那么第 5 列是 Species，Petal.Width 是第 4 列，它应该是根节点的 varid，如 j48_party 对象所示。

varid好像是实际使用的功能+1，这是故意的吗？

> library(partykit)
> library(RWeka)
> data("iris")
> j48 <- J48(Species~., data=iris)
> j48_party <- as.party(j48)
> j48_party

Model formula:
Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width

Fitted party:
[1] root
|   [2] Petal.Width <= 0.6: setosa (n = 50, err = 0.0%)
|   [3] Petal.Width > 0.6
|   |   [4] Petal.Width <= 1.7
|   |   |   [5] Petal.Length <= 4.9: versicolor (n = 48, err = 2.1%)
|   |   |   [6] Petal.Length > 4.9
|   |   |   |   [7] Petal.Width <= 1.5: virginica (n = 3, err = 0.0%)
|   |   |   |   [8] Petal.Width > 1.5: versicolor (n = 3, err = 33.3%)
|   |   [9] Petal.Width > 1.7: virginica (n = 46, err = 2.2%)

Number of inner nodes:    4
Number of terminal nodes: 5
> colnames(iris)
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"     
> nodeapply(j48_party)
$`1`
[1] root
|   [2] V5 <= 0.6 *
|   [3] V5 > 0.6
|   |   [4] V5 <= 1.7
|   |   |   [5] V4 <= 4.9 *
|   |   |   [6] V4 > 4.9
|   |   |   |   [7] V5 <= 1.5 *
|   |   |   |   [8] V5 > 1.5 *
|   |   [9] V5 > 1.7 *

> nodes <- as.list(j48_party$node)
> nodes[[1]]$split$varid
[1] 5

Answer 1

不同之处在于：J48()像大多数其他建模函数（如lm()、glm()等）并不简单地直接使用data 提供但首先建立一个 model.frame。这已经执行了变量转换（例如，获取日志、创建因子或 Surv() 对象），收集可能不在 data 但在调用环境中的变量，并遗漏不在 data 中的变量型号 formula 等。有关更多信息和链接，请参阅 ?model.frame。

因此，由 J48() 创建的对象有一个 model.frame 不完全是 iris 数据，但响应变量已移至第一列：

head(model.frame(j48))
##   Species Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1  setosa          5.1         3.5          1.4         0.2
## 2  setosa          4.9         3.0          1.4         0.2
## 3  setosa          4.7         3.2          1.3         0.2
## 4  setosa          4.6         3.1          1.5         0.2
## 5  setosa          5.0         3.6          1.4         0.2
## 6  setosa          5.4         3.9          1.7         0.4

并且来自此的信息也被传递到 party 对象。

j48_party$data
## [1] Species      Sepal.Length Sepal.Width  Petal.Length Petal.Width 
## <0 rows> (or 0-length row.names)

[注意：在 J48() 的情况下，这仅存储元信息，但会丢弃实际数据，因为此处不需要。但这对于 ctree() 来说是不同的。]

要查看此 model.frame() 可能与原始数据不同，请考虑以下情况：我们创建一个新的 noise 变量，它是 而不是 的一部分iris 但只是在调用环境中，获取日志并省略几个变量：

set.seed(1) 
noise <- rnorm(150)
j48 <- J48(Species ~ log(Petal.Width) + noise, data = iris)
j48_party <- as.party(j48)
head(model.frame(j48))
##   Species log(Petal.Width)      noise
## 1  setosa       -1.6094379 -0.6264538
## 2  setosa       -1.6094379  0.1836433
## 3  setosa       -1.6094379 -0.8356286
## 4  setosa       -1.6094379  1.5952808
## 5  setosa       -1.6094379  0.3295078
## 6  setosa       -0.9162907 -0.8204684
j48_party$data
## [1] Species          log(Petal.Width) noise           
## <0 rows> (or 0-length row.names)

partykit 对象变量不匹配

partykit object varid mismatch

r

party

decision-tree