Użyłem rpart.control
do minsplit=2
i dostał następujące wyniki z rpart()
funkcji. Czy muszę unikać podziału 3 lub 7, aby uniknąć przeładowania danych? Czy nie powinienem używać splitów 7? Proszę daj mi znać.
Zmienne faktycznie używane w konstrukcji drzewa:
[1] ct_a ct_b usr_a
Root node error: 23205/60 = 386.75
n= 60
CP nsplit rel error xerror xstd
1 0.615208 0 1.000000 1.05013 0.189409
2 0.181446 1 0.384792 0.54650 0.084423
3 0.044878 2 0.203346 0.31439 0.063681
4 0.027653 3 0.158468 0.27281 0.060605
5 0.025035 4 0.130815 0.30120 0.058992
6 0.022685 5 0.105780 0.29649 0.059138
7 0.013603 6 0.083095 0.21761 0.045295
8 0.010607 7 0.069492 0.21076 0.042196
9 0.010000 8 0.058885 0.21076 0.042196
Odpowiedzi:
Konwencja polega na użyciu najlepszego drzewa (najniższy błąd względny weryfikacji krzyżowej) lub najmniejszego (najprostszego) drzewa w ramach jednego standardowego błędu najlepszego drzewa. Najlepsze drzewo znajduje się w rzędzie 8 (7 podziałów), ale drzewo w rzędzie 7 (6 podziałów) wykonuje skutecznie tę samą pracę (
xerror
dla drzewa w rzędzie 7 = 0,21761, czyli w obrębie (mniejszego niż)xerror
najlepszego drzewa plus jeden standard błąd,xstd
(0,21076 + 0,042196) = 0,252956) i jest prostszy, dlatego wybrałaby go 1 standardowa reguła błędu.źródło