如何在rpart中应用权重？
我有来自Kaggle实践竞赛的房屋数据，我正在使用rpart训练一个简单的第一模型来预测销售价格 模型未正确识别销售条件异常或预付款的销售。因此，我想增加这个变量的重要性，这个变量在模型中显然被忽略了 我假设这是通过使用“权重”参数来实现的，但是这个参数是如何使用的呢？如何确定哪些变量的权重更高？来自： 权重 可选的箱子重量 成本 非负成本向量，模型中每个变量对应一个。 所有变量的默认值均为1。这些是要应用的缩放 在考虑拆分时，对变量拆分的改进 在决定选择哪种分割时，要除以成本 权重用于行（例如，为较小的类赋予更高的权重），成本用于列 应用权重参数的示例用法 （不一定是定义权重的最佳方式）：如何在rpart中应用权重？,r,rpart,R,Rpart,我有来自Kaggle实践竞赛的房屋数据，我正在使用rpart训练一个简单的第一模型来预测销售价格 模型未正确识别销售条件异常或预付款的销售。因此，我想增加这个变量的重要性，这个变量在模型中显然被忽略了 我假设这是通过使用“权重”参数来实现的，但是这个参数是如何使用的呢？如何确定哪些变量的权重更高？来自： 权重 可选的箱子重量 成本 非负成本向量，模型中每个变量对应一个。 所有变量的默认值均为1。这些是要应用的缩放 在考虑拆分时，对变量拆分的改进 在决定选择哪种分割时，要除以成本 权重用于行（例如
positivewight=1.0/（nrow（子集（训练，Y==TRUE））/nrow（训练））
负视图=1.0/（nrow（子集（训练，Y！=TRUE））/nrow（训练））
模型权重rpart
中的权重为案例权重。它们衡量的是观察结果，而不是特征。那么如何为特征增加权重呢？复制观察结果？我不知道有哪种算法能提供加权特征选择。尽管我确信他们存在。我将获取您的完整决策树的输出，并将其作为第二个具有销售条件功能的决策树的输入。这将构建第二个只包含两个特性的树。如果它没有出现，那么它可能会出现在另一个功能中。我会尝试使用它，谢谢。
positiveWeight = 1.0 / (nrow(subset(training, Y == TRUE)) / nrow(training))
negativeWeight = 1.0 / (nrow(subset(training, Y != TRUE)) / nrow(training))
modelWeights <- ifelse(training$Y== TRUE, positiveWeight, negativeWeight)
dtreeModel <- rpart(predFormula, training, weights = modelWeights)