R GBM规则生成-编码建议

我使用R包GBM作为预测建模的首选。这个算法有很多优点，但其中一个“缺点”是我不能轻易地使用模型代码对R之外的新数据进行评分。我想编写可以在SAS或其他系统中使用的代码（我将从SAS开始（无法访问IML））

假设我有以下数据集（来自GBM手册）和型号代码：

library(gbm)
set.seed(1234)
N <- 1000
X1 <- runif(N)
X2 <- 2*runif(N)
X3 <- ordered(sample(letters[1:4],N,replace=TRUE),levels=letters[4:1])
X4 <- factor(sample(letters[1:6],N,replace=TRUE))
X5 <- factor(sample(letters[1:3],N,replace=TRUE))
X6 <- 3*runif(N)
mu <- c(-1,0,1,2)[as.numeric(X3)]
SNR <- 10 # signal-to-noise ratio
Y <- X1**1.5 + 2 * (X2**.5) + mu
sigma <- sqrt(var(Y)/SNR)
Y <- Y + rnorm(N,0,sigma)
# introduce some missing values
#X1[sample(1:N,size=500)] <- NA
X4[sample(1:N,size=300)] <- NA
X3[sample(1:N,size=30)] <- NA
data <- data.frame(Y=Y,X1=X1,X2=X2,X3=X3,X4=X4,X5=X5,X6=X6)
# fit initial model

gbm1 <- gbm(Y~X1+X2+X3+X4+X5+X6, # formula
data=data, # dataset
var.monotone=c(0,0,0,0,0,0), # -1: monotone decrease,
distribution="gaussian", 
n.trees=2, # number of trees
shrinkage=0.005, # shrinkage or learning rate,
# 0.001 to 0.1 usually work
interaction.depth=5, # 1: additive model, 2: two-way interactions, etc.
bag.fraction = 1, # subsampling fraction, 0.5 is probably best
train.fraction = 1, # fraction of data for training,
# first train.fraction*N used for training
n.minobsinnode = 10, # minimum total weight needed in each node
cv.folds = 5, # do 5-fold cross-validation
keep.data=TRUE, # keep a copy of the dataset with the object
verbose=TRUE) # print out progress

产生

   SplitVar SplitCodePred LeftNode RightNode MissingNode ErrorReduction Weight
0         2  1.5000000000        1         8          15      983.34315   1000
1         1  1.0309565491        2         6           7      190.62220    501
2         2  0.5000000000        3         4           5       75.85130    277
3        -1 -0.0102671518       -1        -1          -1        0.00000    139
4        -1 -0.0050342273       -1        -1          -1        0.00000    138
5        -1 -0.0076601353       -1        -1          -1        0.00000    277
6        -1 -0.0014569934       -1        -1          -1        0.00000    224
7        -1 -0.0048866747       -1        -1          -1        0.00000    501
8         1  0.6015416372        9        10          14      160.97007    469
9        -1  0.0007403551       -1        -1          -1        0.00000    142
10        2  2.5000000000       11        12          13       85.54573    327
11       -1  0.0046278704       -1        -1          -1        0.00000    168
12       -1  0.0097445692       -1        -1          -1        0.00000    159
13       -1  0.0071158065       -1        -1          -1        0.00000    327
14       -1  0.0051854993       -1        -1          -1        0.00000    469
15       -1  0.0005408284       -1        -1          -1        0.00000     30

手册第18页显示了以下内容：

根据手册，第一次拆分发生在第三个变量上（此输出中以零为基础），即

gbm1$var.names[3]

“X3”。变量是有序因子

types<-lapply (lapply(data[,gbm1$var.names],class), function(i) ifelse (strsplit(i[1]," ")[1]=="ordered","ordered",i))

types[3]

---

types下面是一个非常通用的答案，说明了如何做到这一点

添加一些R代码以将输出写入文件

然后通过SAS访问执行R的能力，包括：
（您需要知道R可执行文件的位置，将上面编写的R代码指向可执行文件）

从那里，您应该能够操纵SAS内的输出，以执行您可能需要的任何评分

如果只是一次评分，而不是一个过程，则省略R的SAS执行，只需开发SAS代码以通过R输出文件进行解析。
该软件包有一个函数gbm2sas，可以将GBM模型从R导出到SAS。
我认为SAS中的IML可以提供一个解决方案。然而，我并不真正理解这里的R。你能更清楚地解释一下这个模式吗？嗨，Robbie-无法访问IML。正在查找数据步骤。我为pretty.gbm.tree添加了列内容的描述。也许您可以看看是哪个实现了决策树的此类功能（如上所述）。我没有检查自己这是否适用于
gbm
output。你知道了吗？我已经为和开发了从R到SAS的元编程，我也希望为GBM开发同样的元编程。@B_Miner如果您在这方面还需要帮助，我这个周末就开发了一个。它是特定于我的用例的，但是它应该很容易编辑。让我知道，我们可以想出一个谨慎的方式来传输文件。
types<-lapply (lapply(data[,gbm1$var.names],class), function(i) ifelse (strsplit(i[1]," ")[1]=="ordered","ordered",i))

types[3]