r中树包的树交叉验证
tree cross validation of tree package in r
有谁知道 r 中 tree 包的 cv.tree 函数是如何工作的？
默认设置为 10 折，但结果显示 8 个树模型而不是 10 个：
此外，如果我设置 5 折，结果将显示 8 个模型：
我使用的代码如下：
library (MASS)
library(tree)
set.seed (1)
train = sample (1: nrow(Boston ), nrow(Boston )/2)
tree.boston =tree(medv~.,Boston ,subset =train)
summary (tree.boston )
cv.boston =cv.tree(tree.boston,K=10)
cv.boston
谢谢
输出中显示的八个东西不是交叉验证的折叠。 cv.tree 的文档说输出：
Value
A copy of FUN applied to object, with component dev replaced by the cross-validated
results from the sum of the dev components of each fit.
由于您没有为 cv.tree 指定 FUN 参数，您得到默认值 prune.tree。 prune.tree 的输出是什么？文档说：
Determines a nested sequence of subtrees of the supplied tree by
recursively "snipping" off the least important splits, based upon the
cost-complexity measure. prune.misclass is an abbreviation for
prune.tree(method = "misclass") for use with cv.tree.
注意你的树正好有 8 片叶子。
plot(tree.boston)
text(tree.boston)
prune.tree给你看八棵树的变态，一根一根剪掉叶子。 cv.tree 向您展示了一个经过交叉验证的版本。它不是计算完整训练数据的偏差，而是对八个连续修剪中的每一个使用交叉验证值。
将仅使用 prune.tree 的输出中的偏差与交叉验证的偏差进行比较。
prune.tree(tree.boston)
$dev
[1] 3098.610 3354.268 3806.195 4574.704 5393.592 6952.719 11229.299
[8] 20894.657
cv.tree(tree.boston, K=5)
$dev
[1] 4768.281 4783.625 5718.441 6309.655 6329.011 7078.719 12907.505
[8] 20974.393
请注意，每一步的交叉验证值都相当高。仅对训练数据使用 prune.tree 测试，因此未充分报告偏差。 cv 值更真实。
有谁知道 r 中 tree 包的 cv.tree 函数是如何工作的？
默认设置为 10 折，但结果显示 8 个树模型而不是 10 个：
此外，如果我设置 5 折，结果将显示 8 个模型：
我使用的代码如下：
library (MASS)
library(tree)
set.seed (1)
train = sample (1: nrow(Boston ), nrow(Boston )/2)
tree.boston =tree(medv~.,Boston ,subset =train)
summary (tree.boston )
cv.boston =cv.tree(tree.boston,K=10)
cv.boston
谢谢
输出中显示的八个东西不是交叉验证的折叠。 cv.tree 的文档说输出：
Value
A copy of FUN applied to object, with component dev replaced by the cross-validated results from the sum of the dev components of each fit.
由于您没有为 cv.tree 指定 FUN 参数，您得到默认值 prune.tree。 prune.tree 的输出是什么？文档说：
Determines a nested sequence of subtrees of the supplied tree by recursively "snipping" off the least important splits, based upon the cost-complexity measure. prune.misclass is an abbreviation for prune.tree(method = "misclass") for use with cv.tree.
注意你的树正好有 8 片叶子。
plot(tree.boston)
text(tree.boston)
prune.tree给你看八棵树的变态，一根一根剪掉叶子。 cv.tree 向您展示了一个经过交叉验证的版本。它不是计算完整训练数据的偏差，而是对八个连续修剪中的每一个使用交叉验证值。
将仅使用 prune.tree 的输出中的偏差与交叉验证的偏差进行比较。
prune.tree(tree.boston)
$dev
[1] 3098.610 3354.268 3806.195 4574.704 5393.592 6952.719 11229.299
[8] 20894.657
cv.tree(tree.boston, K=5)
$dev
[1] 4768.281 4783.625 5718.441 6309.655 6329.011 7078.719 12907.505
[8] 20974.393
请注意，每一步的交叉验证值都相当高。仅对训练数据使用 prune.tree 测试，因此未充分报告偏差。 cv 值更真实。