rpart
位于 rpart
包(package)。 说明
拟合rpart
模型
用法
rpart(formula, data, weights, subset, na.action = na.rpart, method,
model = FALSE, x = FALSE, y = TRUE, parms, control, cost, ...)
参数
formula |
a formula ,有响应但没有交互项。如果这是一个 DataFrame ,则将其视为模型框(参见 |
data |
一个可选 DataFrame ,用于解释公式中命名的变量。 |
weights |
可选 shell 重量。 |
subset |
可选表达式表示仅应在拟合中使用数据行的子集。 |
na.action |
默认操作会删除所有缺少 |
method |
或者, |
model |
如果符合逻辑:在结果中保留模型框架的副本?如果 |
x |
在结果中保留 |
y |
在结果中保留因变量的副本。如果丢失并且提供了 |
parms |
分割函数的可选参数。 |
control |
控制 |
cost |
非负成本向量,模型中的每个变量都有一个非负成本向量。所有变量默认为 1。这些是考虑分割时要应用的缩放比例,因此变量分割的改进除以其成本来决定选择哪个分割。 |
... |
|
细节
这与tree
S 中的函数主要在于其对代理变量的处理。在大多数细节上它遵循布雷曼等阿尔(1984)相当接近。R包tree
提供了重新实现tree
.
值
类 rpart
的对象。请参阅rpart.object
。
例子
fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis)
fit2 <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis,
parms = list(prior = c(.65,.35), split = "information"))
fit3 <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis,
control = rpart.control(cp = 0.05))
par(mfrow = c(1,2), xpd = NA) # otherwise on some devices the text is clipped
plot(fit)
text(fit, use.n = TRUE)
plot(fit2)
text(fit2, use.n = TRUE)
参考
Breiman L., Friedman J. H., Olshen R. A., and Stone, C. J. (1984) Classification and Regression Trees. Wadsworth.
也可以看看
相关用法
- R rpart.control Rpart 配合控制
- R rpart.exp 指数拟合的初始化函数
- R residuals.rpart 拟合 Rpart 对象的残差
- R rsq.rpart 绘制不同分割的近似 R 方
- R predict.rpart 根据拟合的 Rpart 对象进行预测
- R snip.rpart 剪切 Rpart 对象的子树
- R labels.rpart 为 Rpart 对象创建分割标签
- R summary.rpart 总结拟合的 Rpart 对象
- R printcp 显示拟合 Rpart 对象的 CP 表
- R print.rpart 打印 Rpart 对象
- R car90 1990 年《消费者报告》中的汽车数据
- R post.rpart Rpart 对象的 PostScript 演示图
- R path.rpart 沿着路径到达 Rpart 对象的选定节点
- R meanvar.rpart Rpart 对象的均值-方差图
- R car.test.frame 1990 年《消费者报告》中的汽车数据
- R solder.balance 印刷电路板上的元件焊接
- R cu.summary 1990 年《消费者报告》中的汽车数据
- R xpred.rpart 返回交叉验证的预测
- R kyphosis 接受过脊柱矫正操作的儿童的数据
- R stagec C期前列腺癌
- R na.rpart 处理 Rpart 对象中的缺失值
- R plot.rpart 绘制 Rpart 对象
- R prune.rpart Rpart 对象的成本复杂性修剪
- R plotcp 绘制 Rpart 拟合的复杂性参数表
- R text.rpart 将文本放置在树状图上
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Recursive Partitioning and Regression Trees。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。