Как мне создать дерево регрессии?

Я хотел бы создать дерево регрессии, подобное изображению на картинке. Дерево было сделано в кубисте, но у меня нет этой программы. Я использую R и Python. Кажется, что он отличается от R пакетов rpart или дерева тем, что конечные узлы представляют собой линейные формулы, а не только среднее значение. Есть ли способ сделать это с помощью R или другого бесплатного программного обеспечения?Как мне создать дерево регрессии?

На картинке NDVI, B1, B2 и т. Д. Являются переменными. Изображение от this website.

regression tree

источник

2013-07-04 John

Cubist является R порт коды Кубистской GPL, C выпущенного RuleQuest на http://rulequest.com/cubist-info.html.

Используя пример из help('cubist') и оригинального package announcement

library(Cubist) 
library(mlbench) 
data(BostonHousing) 

## 1 committee, so just an M5 fit: 
mod1 <- cubist(x = BostonHousing[, -14], y = BostonHousing$medv) 
summary(mod1) 

# Call: 
# cubist.default(x = BostonHousing[, -14], y = BostonHousing$medv) 
# 
# 
# Cubist [Release 2.07 GPL Edition] Thu Jul 04 11:56:33 2013 
# --------------------------------- 
# 
# Target attribute `outcome' 
# 
# Read 506 cases (14 attributes) from undefined.data 
# 
# Model: 
# 
# Rule 1: [101 cases, mean 13.84, range 5 to 27.5, est err 1.98] 
# 
# if 
# nox > 0.668 
# then 
# outcome = -1.11 + 2.93 dis + 21.4 nox - 0.33 lstat + 0.008 b 
# - 0.13 ptratio - 0.02 crim - 0.003 age + 0.1 rm 
# 
# Rule 2: [203 cases, mean 19.42, range 7 to 31, est err 2.10] 
# 
# if 
# nox <= 0.668 
# lstat > 9.59 
# then 
# outcome = 23.57 + 3.1 rm - 0.81 dis - 0.71 ptratio - 0.048 age 
# - 0.15 lstat + 0.01 b - 0.0041 tax - 5.2 nox + 0.05 crim 
# + 0.02 rad 
# 
# Rule 3: [43 cases, mean 24.00, range 11.9 to 50, est err 2.56] 
# 
# if 
# rm <= 6.226 
# lstat <= 9.59 
# then 
# outcome = 1.18 + 3.83 crim + 4.3 rm - 0.06 age - 0.11 lstat - 0.003 tax 
# - 0.09 dis - 0.08 ptratio 
# 
# Rule 4: [163 cases, mean 31.46, range 16.5 to 50, est err 2.78] 
# 
# if 
# rm > 6.226 
# lstat <= 9.59 
# then 
# outcome = -4.71 + 2.22 crim + 9.2 rm - 0.83 lstat - 0.0182 tax 
# - 0.72 ptratio - 0.71 dis - 0.04 age + 0.03 rad - 1.7 nox 
# + 0.008 zn 
# 
# 
# Evaluation on training data (506 cases): 
# 
# Average |error|    2.10 
# Relative |error|    0.32 
# Correlation coefficient  0.94 
# 
# 
# Attribute usage: 
# Conds Model 
# 
# 80% 100% lstat 
# 60% 92% nox 
# 40% 100% rm 
# 100% crim 
# 100% age 
# 100% dis 
# 100% ptratio 
# 80% tax 
# 72% rad 
# 60% b 
# 32% zn 
# 
# 
# Time: 0.0 secs

источник

2013-07-04 01:53:51 mnel

Wow это отличная новость! Примеры «результатов» выглядят точно так, как я хочу. Я не могу дождаться, чтобы погрузиться в это. Спасибо! – John

Так в чем же разница между методом Кубиста и алгоритмом M5? Я думал, что фактическая диаграмма, вставленная в вопросе выше, является только алгоритмом M5 (деревом модели регрессии) –

Как я могу генерировать визуальное дерево на основе тех правил, которые кубистские выходы? Есть ли программа, которая может это сделать, или мне нужно сделать это вручную, используя программу, такую как краска или какой-либо редактор графиков в Интернете? благодаря – posixKing

обзор осуществления R из кубистических можно найти here.

Из этого обзора первая часть «алгоритма согласуется с подходом« M5 »или« Дерево моделей ».

В частности, различие в том, что:

"Кубизм обобщает эту модель, чтобы добавить прививки (когда комитеты> 1) и корректировка экземпляра на основе"

источник

2015-03-31 20:29:01 Tchotchke

Как мне создать дерево регрессии?

ответ

Смежные вопросы