R 如何在终端节点中设置不同类型的条形图？

我正在数据集上运行MOB树，我想修改终端节点中的图。我将使用MOB在每个节点中拟合的模型系数条形图作为我的终端节点

例如，我在mlbench包中的PimaIndiansDiabetes数据集上运行MOB树。代码如下：

pid_formula <- diabetes ~ glucose | pregnant + pressure + triceps +   
insulin + mass + pedigree + age
logit <- function(y, x, start = NULL, weights = NULL, offset = NULL, ...) {
glm(y ~ 0 + x, family = binomial, start = start, ...)
}
pid_tree <- mob(pid_formula, data = PimaIndiansDiabetes, fit = logit)

---

然后我有每个节点的模型。例如，对于节点2，我有质量=-9.95+0.058*葡萄糖。我想用这些系数制作条形图，例如：节点编号2的9.95和0.058，并将这些条形图用作最终树形图中的终端节点。你知道怎么做吗？提前谢谢

要在partykit中实现这样的图形，您必须为plot方法编写一个新的panel函数，或者更确切地说是一个panel生成函数。起点可以是partykit:：node_barplot，它首先提取分类树的拟合概率，然后使用网格包绘制它们。相反，您可以使用coef提取估计的参数，然后使用网格绘制这些参数。这有点技术性，但不是非常复杂

但是，我不建议实现这样的功能。原因是，这最适合于比较同一节点内的不同系数。但由于斜率和截距在完全不同的尺度上，这不容易解释。相反，我们应该更加强调节点之间相同系数的差异。这方面的基础还将是：

coef(pid_tree)
##   x(Intercept)   xglucose
## 2    -9.951510 0.05870786
## 4    -6.705586 0.04683748
## 5    -2.770954 0.02353582

此外，还可以考虑置信区间的相应标准误差。不过，请记住，这些数据必须是一针见血的：它们并不适合估计树木，而是假装末端基团是外源性的。尽管如此，它们还是有用的粗略标准。我提供了一个小的方便功能来实现这一点：

confintplot <- function(object, ylim = NULL,
  xlab = "Parameter per node", ylab = "Estimate",
  main = "", index = NULL, ...)
{
  ## point estimates and interval
  cf <- coef(object)
  node <- nodeids(object, terminal = TRUE)
  ci <- nodeapply(object, ids = node, FUN = function(n)
                  confint(info_node(n)$object, ...))
  if (!is.null(index)) {
    cf <- cf[, index, drop = FALSE]
    ci <- lapply(ci, "[", index, , drop = FALSE)
  }
  cfnm <- rownames(ci[[1L]])
  nodenm <- rownames(cf)

  ## set up dimensions
  n <- length(ci)
  k <- nrow(ci[[1L]])
  at <- t(outer(1:k, seq(-0.15, 0.15, length.out = n), "+"))

  ## empty plot
  if(is.null(ylim)) ylim <- range(unlist(ci))
  plot(0, 0, type = "n", xlim = range(at), ylim = ylim,
    xlab = xlab, ylab = ylab, main = main, axes = FALSE)

  ## draw every parameter
  for(i in 1L:k) {
    arrows(at[,i], sapply(ci, "[", i, 1L), at[,i], sapply(ci, "[", i, 2L),
      code = 3, angle = 90, length = 0.05)
    points(at[, i], cf[, cfnm[i]], pch = 19, col = "white", cex=1.15)
    points(at[, i], cf[, cfnm[i]], pch = nodenm, cex = 0.65)
  }

  axis(1, at = 1:k, labels = cfnm)
  axis(2)
  box()
}

也可以在公共y轴上显示这些。但是，由于比例不同，这完全掩盖了坡度的变化：

confintplot(pid_tree)

---

最后一点意见：我建议对这种特殊类型的模型使用glmtree，而不是手动使用mob。前者速度更快，并提供了一些额外的功能，特别是易于预测。

请重复此问题：请阅读和/或，然后编辑您的问题。否则就太模糊了，不幸的是，不太可能迅速得到答案。

confintplot(pid_tree)