使用 R 了解 CART 模型中的 minbucket 函数

Question

假设训练数据是 "fruit"，我将使用它在 R

中使用 CART 模型进行预测

> fruit=data.frame(
                   color=c("red",   "red",  "red",  "yellow", "red","yellow",
                           "orange","green","pink", "red",‌    "red"),
                   isApple=c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE,
                             FALSE,FALSE,FALSE,FALSE,TRUE))

> mod = rpart(isApple ~ color, data=fruit, method="class", minbucket=1)

> prp(mod)

如果我们要使用 minbucket = 2, 3, 4, 5，谁能解释一下 minbucket 在绘制 CART 树中的确切作用是什么？

看到我有 2 个变量 color 和 isApple。颜色变量有绿色、黄色、粉红色、橙色和红色。 Apple 变量的值为 TRUE 或 FALSE。在最后一个示例中，RED 映射了三个 TRUE 和 2 个 FALSE。红色值出现五次。如果我给 minbucket = 1,2,3 那么它正在分裂。如果我给 minbucket = 4 或 5，那么尽管红色出现五次，但不会发生拆分。

Answer 1

来自 rpart 包的文档：

minbucket

the minimum number of observations in any terminal node. If onlyone of minbucket or minsplit is specified, the code either sets minsplit tominbucket*3 or minbucket to minsplit/3, as appropriate.

将 minbucket 设置为 1 是没有意义的，因为每个叶节点（根据定义）至少有一个观察值。如果将其设置为更高的值，比如 3，则意味着每个叶节点在该桶中至少有 3 个观测值。

minbucket的值越小，您的CART模型就越精确。通过将 minbucket 设置为太小的值，例如 1，您可能运行存在过度拟合模型的风险。

使用 R 了解 CART 模型中的 minbucket 函数

Understanding of minbucket function in CART model using R

r

decision-tree

rpart