R Partykit berechnen Klassifikationswahrscheinlichkeiten auf Sub-stree

Question

Ich habe ein Partykit-Paket ctree Klassifizierung Entscheidungsbaum trainiert und ich muss Klassifikationswahrscheinlichkeiten für Unterbaum (nicht nur für Blattknoten) berechnen. So zum Beispiel, wenn ein Teilbaum besteht aus 3 Blattknoten mit den folgenden Wahrscheinlichkeiten: Blatt 1 (120 Beobachtungen): 0.45 Blatt 2 (160 Beobachtungen): 0,49 Blatt 3 (190 Beobachtungen): 0,83

für In diesem hypothetischen Subbaum wäre die gewichtete Durchschnittswahrscheinlichkeit 120 * 0,42 + 160 * 0,49 + 190 * 0,83/(120 + 160 + 190) = 0,507

usw. Ich muss auf dem ctree-Objekt traversieren und alles berechnen gewichtete Wahrscheinlichkeiten für jeden Knoten rekursiv.

Ich habe diesen Code:

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) 
    } 

, die auf dem Baum durchqueren nicht auf partykit Objekt arbeiten. Auf der anderen Seite ich diesen Code haben, der nur alle porbabilities für Blattknoten enthält:

preds.ls <- list(predict(airct , type = "prob"))[1] 
pred.probs.df <- unique(as.data.frame((preds.ls[[1]]))) 

Irgendwelche Vorschläge, diese 2-Schnipsel zu einem Code zu kombinieren, die auf einem PARTYKIT Objekt durchlaufen wird und diese gewichtete Durchschnitt berechnen werden geschätzt

Answer 1

ich bin nicht vertraut mit partykit aber diese einfache Funktion geht ein ctree und extrahiert die Wahrscheinlichkeit für jeden internen und Endknoten:

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))) 
    } 

Funktion aufrufen erzeugt den folgenden Vektor von Wahrscheinlichkeiten:

> traverse(dt@tree) 
[1] 0.4375000 1.0000000 0.1428571 0.4285714 0.7500000 0.0000000 0.0000000 

Der am weitesten links stehende Wert ist die Bevölkerung Wert durch die folgende verifiziert:

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

Die restlichen Werte werden zu in der Reihenfolge von links nach rechts sein. Sie können sehen, dass die 1s und 0s wo erwartet ausgerichtet sind.