partykit:在终端节点箱形图上方显示终端节点百分位值

partykit: Displaying terminal node percentile values above terminal node boxplots

我正在尝试使用 partykit 绘制由 rpart 生成的回归树。假设使用的公式是 y ~ x1 + x2 + x3 + ... + xn。我想要实现的是一棵在终端节点中带有箱线图的树,顶部的标签列出了分配给每个节点的观察值的 y 值分布的第 10、第 50 和第 90 个百分位数,即,在箱线图上方表示每个终端节点,我想显示一个标签,如“10th percentile = $200, mean = $247, 90th percentile = $292."

下面的代码生成所需的树:

library("rpart")
fit <- rpart(Price ~ Mileage + Type + Country, cu.summary)
library("partykit")
tree.2 <- as.party(fit)

以下代码生成终端图,但在终端节点上没有所需的标签:

plot(tree.2, type = "simple", terminal_panel = node_boxplot(tree.2,
  col = "black", fill = "lightgray", width = 0.5, yscale = NULL,
  ylines = 3, cex = 0.5, id = TRUE))

如果我可以显示节点的平均 y 值,那么用百分位数增加标签应该很容易,所以我的第一步是在每个终端节点上方显示它的平均 y 值.

我知道我可以使用如下代码检索节点(这里是节点 #12)内的平均 y 值:

colMeans(tree.2[12]$fitted[2])

所以我尝试创建一个公式并使用箱线图面板生成函数的 mainlab 参数生成包含此均值的标签:

labf <- function(node) colMeans(node$fitted[2])
plot(tree.2, type = "simple", terminal_panel = node_boxplot(tree.2,
  col = "black", fill = "lightgray", width = 0.5, yscale = NULL,
  ylines = 3, cex = 0.5, id = TRUE, mainlab = tf))

不幸的是,这会生成错误消息:

Error in mainlab(names(obj)[nid], sum(wn)) : unused argument (sum(wn)).

但这似乎是在正确的轨道上,因为如果我使用:

plot(tree.2, type = "simple", terminal_panel = node_boxplot(tree.2,
  col = "black", fill = "lightgray", width = 0.5, yscale = NULL,
  ylines = 3, cex = 0.5, id = TRUE, mainlab = colMeans(tree.2$fitted[2])))

然后我在显示的根节点处得到正确的平均 y 值。我将不胜感激帮助修复上述错误,以便我显示每个单独终端节点的平均 y 值。从那里开始,应该很容易添加其他百分位数并很好地格式化内容。

原则上,你是在正确的轨道上。但是如果 mainlab 应该是一个函数,它就不是 node 的函数,而是 idnobs 的函数,参见 ?node_boxplot。您还可以使用整棵树的 fitted 数据更轻松地计算所有终端节点的均值(或某些分位数)的 table:

tab <- tapply(tree.2$fitted[["(response)"]],
  factor(tree.2$fitted[["(fitted)"]], levels = 1:length(tree.2)),
  FUN = mean)

然后你可以准备这个用于绘图 rounding/formatting:

tab <- format(round(tab, digits = 3))
tab
##           1           2           3           4           5           6 
## "       NA" "       NA" "       NA" " 7629.048" "       NA" "12241.552" 
##           7           8           9          10          11          12 
## "14846.895" "22317.727" "       NA" "       NA" "17607.444" "21499.714" 
##          13 
## "27646.000" 

为了将其添加到显示中,请为 mainlab 编写您自己的辅助函数:

mlab <- function(id, nobs) paste("Mean =", tab[id])
plot(tree.2, tp_args = list(mainlab = mlab))