在 rpart 和 caret 中使用序数变量而不转换为虚拟分类变量

Question

我正在尝试使用 rpart 在 R 中创建一个序数回归树，预测变量主要是序数数据，在 R 中存储为 factor。

当我使用 rpart 创建树时，我得到如下信息：

其中值是因子值（例如 A170 的标签范围从 -5 到 10）。

但是，当我使用 caret 到 train 使用 rpart 的数据时，当我提取最终模型时，树不再具有序数预测变量。请参阅下面的示例输出树

正如您在上面所看到的，序数变量 A170 现在似乎已被转换为多个虚拟分类值，即第二棵树中的 A17010 是 A170 的虚拟变量值 10.

那么，在使用 caret 包拟合树时，是否可以保留序数变量而不是将因子变量转换为多个二元指标变量？

Answer 1

让我们从一个可重现的例子开始：

set.seed(144)
dat <- data.frame(x=factor(sample(1:6, 10000, replace=TRUE)))
dat$y <- ifelse(dat$x %in% 1:2, runif(10000) < 0.1, ifelse(dat$x %in% 3:4, runif(10000) < 0.4, runif(10000) < 0.7))*1

正如您所注意到的，使用 rpart 函数进行训练会将因子水平组合在一起：

library(rpart)
rpart(y~x, data=dat)

我能够使用 train 函数的公式接口重现插入符号包，将这些因素分成各自的级别：

library(caret)
train(y~x, data=dat, method="rpart")$finalModel

我找到的避免按级别拆分因子的解决方案是将原始数据帧输入到 train 函数，而不是使用公式界面：

train(x=data.frame(dat$x), y=dat$y, method="rpart")$finalModel

在 rpart 和 caret 中使用序数变量而不转换为虚拟分类变量

Using ordinal variables in rpart and caret without converting to dummy categorical variables

r

r-caret

rpart