Ich habe die folgende Handlung wie Sie auf dem Bild sehen können, Gibt es eine Möglichkeit, genaue Anzahl der Prozent in den Blattknoten zu sehen?Plot Partei Entscheidungsbaum
Antwort
Wenn Sie wollen „sehen“ die Prozentsätze, ist der einfachste Weg, um eine table()
der Endknoten gegen die Reaktion zu machen und dann zu den bedingten Proportionen aussehen.
Wenn Sie "sehen" möchten die Proportionen im Barplot, dann gab es keine Möglichkeit, dies bis jetzt zu tun. Allerdings habe ich die Funktion node_barplot()
optimiert, um diese Funktion zu unterstützen. Also, wenn Sie neu installieren Sie das partykit
Paket (Nachfolger des party
Paket) von R-Forge Sie können es versuchen:
install.packages("partykit", repos = "http://R-Forge.R-project.org")
library("partykit")
Zur Veranschaulichung werde ich nur die iris
Daten verwenden:
ct <- ctree(Species ~ ., data = iris)
plot(ct, tp_args = list(text = TRUE))
Wenn Sie die Option text = TRUE
aktivieren, werden die Beschriftungen über den Balken (horizontal) angezeigt. Eine äquivalente Spezifikation wäre text = "horizontal"
oder text = "h"
. Wenn Sie eine schmalere Layout wünschen könnte Sie auch:
plot(ct, tp_args = list(text = "vertical", ymax = 1.5))
Und die Frequenztabelle ist einfach:
tab <- table(predict(ct, type = "node"), iris$Species)
prop.table(tab, 1) * 100
## setosa versicolor virginica
## 2 100.000000 0.000000 0.000000
## 5 0.000000 97.826087 2.173913
## 6 0.000000 50.000000 50.000000
## 7 0.000000 2.173913 97.826087
- 1. Plot ein Entscheidungsbaum mit R
- 2. Plot Entscheidungsbaum in R (Caret)
- 3. Partei Regeln
- 4. Entscheidungsbaum Analyse Problem
- 5. was in Entscheidungsbaum mit R Mittelwert y
- 6. scikit learn entscheidungsbaum export graphviz - falsche Klassennamen im Entscheidungsbaum
- 7. Entscheidungsbaum für signifikante Variablen
- 8. StackOverflowError auf Entscheidungsbaum JAVA
- 9. Entscheidungsbaum kontinuierliche attributes
- 10. Entscheidungsbaum auf Informationsgewinn
- 11. Spark Entscheidungsbaum mit Spark
- 12. scikit-learn Entscheidungsbaum Knotentiefe
- 13. ein Entscheidungsbaum-Modell
- 14. beobachtbare mit einem Entscheidungsbaum
- 15. Ändern Zielfunktion auf Entscheidungsbaum
- 16. Python Entscheidungsbaum Regressor Pruning
- 17. Entscheidungsbaum-Interpretation (Titanic Data)
- 18. Entscheidungsbaum mit kategorischen Merkmalen
- 19. Klassifikations- und Vorhersage Entscheidungsbaum
- 20. Rekursive Programmierung im Entscheidungsbaum
- 21. Entscheidungsbaum sklearn: Vorhersagegenauigkeit 100%
- 22. Node.js Socket durch andere Partei
- 23. R: Plotten Entscheidungsbaum Etiketten verlassen Text abgeschnitten
- 24. Kann Entscheidungsbaum lernen "semi-überwacht"
- 25. Entscheidungsbaum vs. Naive Bayes Klassifikator
- 26. Spark Entscheidungsbaum mit kategorischen Variablen
- 27. Visualizing Entscheidungsbaum in Scikit-Learn
- 28. Entscheidungsbaum mit endgültigem Text out
- 29. einen Entscheidungsbaum mit Python plotten
- 30. Grundlegende Fehler beim Versuch, Partei cforest
einen Fehler Haben Sie jetzt: –
Fehler in terminal_panel (, text = "vertical",: unbenutztes Argument (text = "vertical") –
Sorry Achim, mein Fehler, ich muss Entscheidungsbäume mit "Partykit" statt "Party" wiederholen ... Danke für deine Hilfe –