在R

我正在使用R中的C50软件包。该算法通过可定制的试验次数训练增强的决策树，我希望预测每个试验的结果

该软件包有一个“预测”算法，但它只预测所有试验，或使用前n个试验进行预测。然而，它不允许单独预测每个试验

我发现解决这个问题的一个方法是执行以下操作：

---

#加载库
图书馆（C50）
图书馆（党）
图书馆（rpart）
#加载数据
数据（客户流失）
#四次以上试验的列车模型
种子（10）
树模型
#Load libraries
library(C50)
library(party)
library(rpart)

#Load data
data(churn)

#Train model with more four trials
set.seed(10)
tree.model <- C5.0(x = churnTrain[, -20], 
             y = churnTrain$churn, 
             trials = 4,
             control = C5.0Control(noGlobalPruning = TRUE,
                                   earlyStopping=FALSE))

#Convert each trial to a separate a class party object
A <- list()
for (i in 1: tree.model$trials["Actual"]){

  A[[i]]<-partykit::as.party(tree.model,trial=i-1)   
}

#Predict the outcome of each separate trial

Z <- list()
for (i in 1: tree.model$trials["Actual"]){
  Z[[i]]<-predict(A[[i]],churnTest[,-20], type = "prob")
  print(Z[[i]][1,])
}

formula2 <- churn ~ .
set.seed(10)
tree.model <- C5.0(formula2, 
             data=churnTrain, 
              trials = 4,
              control = C5.0Control(noGlobalPruning = TRUE,
                                    earlyStopping=FALSE))

z1<-partykit::as.party(tree.model,trial=1)
Error in `[.data.frame`(mf, rsp) : undefined columns selected