rpart 和 party 包之间的决策树完全不同

Question

我想比较CART和CHAID算法，我选择了rpart（cart算法）和party（chaid算法），看看它们之间的区别。我的数据是关于血压的：

派对功能returns我:

library(party)
# par <- ctree_control(minsplit=20, minbucket=10)
arbre <- ctree(bpress_level ~ ., data = df)
arbre
plot(arbre)

rpart 包 returns 我 :

library(rpart)
fit <- rpart(bpress_level ~ .,
             method="class", data=df)

printcp(fit) # display the results
plotcp(fit)

plot(fit, uniform=TRUE,
     main="Classification Tree for pressure level")
text(fit, use.n=TRUE, all=TRUE, cex=.8)

我不明白为什么树决定如此不同，这正常吗？为什么对于派对套餐，算法会忽略烟雾、压力、性别等...... 先感谢您。

Answer 1

首先ctree([party])没有使用CHAID算法。它与 CHAID 非常相似，但与 CHAID 不同。仅当数据本质上是分类数据时才能应用 CHAID。

当然，还有许多其他递归分区算法或多或少类似于 CHAID，可以处理混合数据类型。例如，CTree算法（条件推理树）也是基于显着性检验的，在partykit包中的ctree()中可用。

rpart 和 party 包之间的决策树完全不同

Decision tree completely different between rpart and party package

r

decision-tree