在R中,如何使用预测因子的线性组合来代替CART模型的预测因子
Breiman等人的分类和回归树提到在分割节点时使用预测因子的线性组合。我试图找到一种方法来尝试与R,但徒劳无功在R中,如何使用预测因子的线性组合来代替CART模型的预测因子,r,R,Breiman等人的分类和回归树提到在分割节点时使用预测因子的线性组合。我试图找到一种方法来尝试与R,但徒劳无功 有树或rpart包,它们假设在单变量预测上分裂,并且不允许使用线性组合进行任何自定义。我必须创建自己的包吗?我以前没有使用过它,但您可以看看CRAN上的斜.tree ?斜置.tree中的示例实际上添加了协变量的PCA输出 data(crabs, package = "MASS") aug.crabs.data <- data.frame( g=factor(rep(1:4,
有树或rpart包,它们假设在单变量预测上分裂,并且不允许使用线性组合进行任何自定义。我必须创建自己的包吗?我以前没有使用过它,但您可以看看CRAN上的斜.tree
?斜置.tree
中的示例实际上添加了协变量的PCA输出
data(crabs, package = "MASS")
aug.crabs.data <- data.frame( g=factor(rep(1:4,each=50)),
predict(princomp(crabs[,4:8]))[,2:3])
数据(crabs,package=“MASS”)
您希望模型为您决定拆分的线性组合,还是只希望能够拆分线性组合?如果是后者,你可以自己构造线性组合,然后在上面做。我以前玩过在PCA分数上做CART。我没听说过,但听起来好像它做了Paul想要的。
ob.tree <- oblique.tree(formula = g~.,
data = aug.crabs.data,
oblique.splits = "only")
plot(ob.tree)
text(ob.tree,cex = 0.5)