R partykit计算子街的分类概率

我已经训练了partykit包ctree分类决策树，我需要计算子树的分类概率（不仅仅是叶节点）。 例如，如果一个子树由3个叶节点组成，概率如下： 叶1（120次观察）：0.45 叶2（160次观察）：0.49 叶3（190次观察）：0.83

对于这个假设的子树，加权平均概率为 120*0.42+160*0.49+190*0.83/（120+160+190）=0.507

等等，我需要遍历ctree对象，递归地计算每个节点的所有加权概率

我有以下代码：

data(airquality)
airq <- subset(airquality, !is.na(Ozone))
airct <- ctree(Ozone ~ ., data = airq,
                 controls = ctree_control(maxsurrogate = 3))
traverse <- function(treenode){
    if(treenode$terminal){
      bas=paste("Current node is terminal node with",treenode$nodeID,'prediction',treenode$prediction)
      print(bas)
      return(0)
    } else {
      bas=paste("Current node",treenode$nodeID,"Split var. ID:",treenode$psplit$variableName,"split value:",treenode$psplit$splitpoint,'prediction',treenode$prediction)
      print(bas)
    }
    traverse(treenode$left)
    traverse(treenode$right)
  }

数据（空气质量）
airq我不熟悉
partykit
，但是这个简单的函数遍历
ctree
并提取每个内部和终端节点的概率：

   library(party)

    set.seed(100)
    dt <- ctree(factor(mpg > 20)~., data = mtcars,
                control = ctree_control(minsplit=2, minbucket=1, mincriterion=0))

    traverse <- function(node) {
      if (node$terminal) {
        return(node$prediction[2])
      }
      return(c(node$prediction[2],
               traverse(node$left), traverse(node$right)))
    }

最左边的值是由以下各项验证的总体值：

> mean(mtcars$mpg > 20)
[1] 0.4375

其余的值将按从左到右的顺序排列。您可以看到1和0按预期排列。
此实现是否考虑了每个叶/终端节点的观察次数？是，内部节点概率是整个子树的概率。请注意，此解决方案适用于旧的
方
实现，但不适用于新的
方
实现。树的表示方式发生了显著的变化。@Achim Zeileis-您有没有参考partykit解决方案来计算子树概率？我不太清楚您到底想做什么，因为发布的代码包含一些错误。然而，我认为这个答案会帮助你做你想做的事情（或者问一个更精确的问题）：
> traverse(dt@tree)
[1] 0.4375000 1.0000000 0.1428571 0.4285714 0.7500000 0.0000000 0.0000000

> mean(mtcars$mpg > 20)
[1] 0.4375