R partykit:：ctree（）如何在选择相同p值的拆分变量时打破僵局

对于

partykit:：ctree

对象中的节点x，我使用以下行获取节点上的拆分变量：

k=info_node(x)
names(k$p.value)

但是，此代码返回的节点的拆分变量与

plot

创建的树上的拆分变量不同。结果表明，

k$criteria

中的三列具有最小的p值；i、 e

inds=which(k$criterion['p.value',]==k$p.value)
length(inds) #3

似乎

info\u节点（x）

返回三个变量中的第一个，作为

名称（k$p.value）

，但

绘图

选择第三个。我想知道造成这种差异的原因有两个：

多个变量的p值最小，有一种内部方法可以打破这种束缚，只选择一个拆分变量

也许这三个变量的p值略有不同，但由于k$标准中的固定p值精度，它们似乎具有相同的p值

---

任何洞察都将不胜感激

比较是在对数p值范围内进行的，即在p值很小的情况下更可靠。如果p值仍保持联系（机器精度范围内），则根据相应测试统计数据的大小将其打破。

在对数p值范围内进行比较，即，在p值很小的情况下，比较更可靠。如果p值仍保持联系（在机器精度范围内），则根据相应测试统计数据的大小将其打破。

以下是一个示例。谢谢大家!

library(partykit)
a=rep('N',87)
a[77]='Y'
b=rep(F,87)
b[c(7,10,11,33,56,77)]=T
d=rep(1,87)
d[c(29,38,40,42,65,77)]=0
dfb=data.frame(a=as.factor(a),b=as.factor(b),d=as.factor(d))
tFit=ctree(a ~ ., data=dfb, control = ctree_control(minsplit= 10,minbucket = 5,
                                                    maxsurrogate=2, alpha = 0.05))
plot(tFit) #displayed splitting variable is d
tNodes=node_party(tFit)
nodeInfo=info_node(tNodes)
names(nodeInfo$p.value) #b, not d

---

这里有一个例子。谢谢大家!

library(partykit)
a=rep('N',87)
a[77]='Y'
b=rep(F,87)
b[c(7,10,11,33,56,77)]=T
d=rep(1,87)
d[c(29,38,40,42,65,77)]=0
dfb=data.frame(a=as.factor(a),b=as.factor(b),d=as.factor(d))
tFit=ctree(a ~ ., data=dfb, control = ctree_control(minsplit= 10,minbucket = 5,
                                                    maxsurrogate=2, alpha = 0.05))
plot(tFit) #displayed splitting variable is d
tNodes=node_party(tFit)
nodeInfo=info_node(tNodes)
names(nodeInfo$p.value) #b, not d

---

谢谢

名称（k$p.value）

是如何选择的？是。这是与smalles p值相关的变量的名称-如有必要，在断开连接后。那么为什么

名称（k$p.value）

与树上的名称不同，通过

绘图

？请发布一个最小的自包含可复制的示例，然后我们可以查看。hi@AchimZeileis，我发布了一个示例！你能看一下吗？谢谢！

名称（k$p.value）

是如何选择的？是。这是与smalles p值相关的变量的名称-如有必要，在断开连接后。那么为什么

名称（k$p.value）

与树上的名称不同，通过

绘图

？请发布一个最小的自包含可复制的示例，然后我们可以查看。hi@AchimZeileis，我发布了一个示例！你能看一下吗？嗨@AchimZeileis，这是一个例子！嗨@AchimZeileis，这里是一个例子！