R 如何计算落在树的每个节点上的观察值

我目前正在处理MMST软件包中的葡萄酒数据。我已将整个数据集拆分为训练和测试，并构建了一棵树，如以下代码所示：

library("rpart")
library("gbm")
library("randomForest")
library("MMST")

data(wine)
aux <- c(1:178)
train_indis <- sample(aux, 142, replace = FALSE)
test_indis <- setdiff(aux, train_indis)

train <- wine[train_indis,]
test <- wine[test_indis,]    #### divide the dataset into trainning and testing

model.control <- rpart.control(minsplit = 5, xval = 10, cp = 0)
fit_wine <- rpart(class ~ MalicAcid + Ash + AlcAsh + Mg + Phenols + Proa + Color + Hue + OD + Proline, data = train, method = "class", control = model.control)

windows()
plot(fit_wine,branch = 0.5, uniform = T, compress = T,  main = "Full Tree: without pruning")
text(fit_wine, use.n = T, all = T, cex = .6)

库（“rpart”）
图书馆（“gbm”）
图书馆（“森林”）
图书馆（“MMST”）
数据（葡萄酒）
aux这些数字表示该节点中每个类的成员数。因此，标签“0/1/48”告诉我们有0例1类（我推断为Barabera），只有一例2类（Barolo），48例3类（Grignolino）

您可以使用
summary（fit\u wine）


有关更多详细信息，请参见
？summary.rpart

您还可以使用
predict（）
（将调用
predict.rpart（）
）查看树如何对数据集进行分类。例如，
predict（fit_wine，train，type=“class”）
。或者将其包装在表格中以便于查看
表格（predict（fit_wine，train，type=“class”）、train[，“class”）

如果您特别想知道观察落在哪个叶节点上，此信息存储在
fit\u wine$where
中。对于数据集中的每个案例，
fit_-wine$where
包含代表案例所在叶节点的
fit_-wine$frame
的行号。因此，我们可以通过以下方法获得每个案例的叶信息：

trainingnodes <- rownames(fit_wine$frame)[fit_wine$where]

从这一点，我们可以推断出不同的节点，例如，从
unique（testresults[，2:4]
）推断出不同的节点，但这是不雅观的

然而。他复制rpart对象并用中的节点替换类，因此运行predict将返回节点而不是类：

nodes_wine <- fit_wine
nodes_wine$frame$yval = as.numeric(rownames(nodes_wine$frame))
testnodes <- predict(nodes_wine, test, type="vector")

nodes\u wine感谢您的回答，我尝试了“predict（）”方法，结果是一系列类别，如Barabera、Barolo和Grignolino，有没有办法看到它们最终属于哪个节点，因为有几个节点代表同一类别。我这样运行：result。
test\u pred是的，
type=“class”
更好，但对于我们想要的东西，
type=“matrix”
似乎更有帮助。
nodes_wine <- fit_wine
nodes_wine$frame$yval = as.numeric(rownames(nodes_wine$frame))
testnodes <- predict(nodes_wine, test, type="vector")