如何使用 rpart 解释不寻常的决策树输出 (multi-类)
How to interpret an unusual decision tree output (multi-classes) using rpart
我正在尝试使用 rpart 程序包绘制决策树，但确实对其输出感到困惑。值得注意的是，在第3个节点，农业和采矿业类如何从城市生产？
我觉得应该是农业和城市，而不是农业和矿业。
这是我的代码
df<-read.csv("https://raw.githubusercontent.com/tuyenhavan/Statistics/Dataset/Landsat_Data.csv")
library(rpart)
library(rpart.plot)
set.seed(123)
dt<-rpart(Land_cover~., data=df)
rpart.plot(dt,cex=0.35)
请帮我解释一下。谢谢
节点显示所有响应类别的相对频率以及多数投票，即最频繁的类别。如果有平局，则最常见类别中的第一个显示为多数票（当然，这是一个有点武断的选择）。
因此，在根节点中，所有类别都以 20% 的相同频率出现，并且 "Agriculture" 显示为多数投票，因为它在字典中是第一个类别。
类似地，在节点 3 中（Band1 >= 0.03599656）"Urban" 和 "Water" 仍然与最频繁的类别并列（200 个观测值 = 24.969%）。因此 "Urban" 被列为多数票。
我正在尝试使用 rpart 程序包绘制决策树，但确实对其输出感到困惑。值得注意的是，在第3个节点，农业和采矿业类如何从城市生产？
我觉得应该是农业和城市，而不是农业和矿业。 这是我的代码
df<-read.csv("https://raw.githubusercontent.com/tuyenhavan/Statistics/Dataset/Landsat_Data.csv")
library(rpart)
library(rpart.plot)
set.seed(123)
dt<-rpart(Land_cover~., data=df)
rpart.plot(dt,cex=0.35)
请帮我解释一下。谢谢
节点显示所有响应类别的相对频率以及多数投票，即最频繁的类别。如果有平局，则最常见类别中的第一个显示为多数票（当然，这是一个有点武断的选择）。
因此，在根节点中，所有类别都以 20% 的相同频率出现，并且 "Agriculture" 显示为多数投票，因为它在字典中是第一个类别。
类似地，在节点 3 中（Band1 >= 0.03599656）"Urban" 和 "Water" 仍然与最频繁的类别并列（200 个观测值 = 24.969%）。因此 "Urban" 被列为多数票。