现代统计图形 - 科学网—博客

134 第五章 图库
1 > library(rpart)
2 > fit = rpart(Kyphosis ~ Age + Number + Start, data = kyphosis)
3 > par(mar = rep(1, 4), xpd = TRUE)
4 > plot(fit, branch = 0.7)
5 > text(fit, use.n = TRUE)
Start>=14.5
absent
29/0 absent
12/0
Start>=8.5
|
Age< 55
Age>=111
absent
12/2
present
3/4
图 5.38: 脊椎矫正手术结果的分类树图
present
8/11
椎畸形)和三个自变量Age(年龄,以月计)、Number(畸形脊椎的数目)
和Start(从上往下数第一段畸形脊椎的位置)。我们希望知道的是这三个
自变量对脊椎矫正手术结果的影响,例如怎样特征的小孩手术容易失败。
分类与回归树的读法为:每个节点上的条件若满足则树枝向左生长,否则
向右生长,每片叶子(最底端,即不再生长枝节的地方)上标明了该处的
因变量的预测结果 6 ,下方也给出了该叶节点上样本的因变量构成情况。从
图5.38中可以看出,Start小于8.5的小孩的矫正手术容易失败(右边叶节点
上有11例失败和8例成功),而对于Start大于等于8.5的小孩来说,手术结
果则需要继续按照自变量拆分:Start大于等于14.5的29名小孩中,所有小
孩的手术均获成功,这表明手术成败的重要因素是小孩的第一段畸形脊椎
的位置,这个位置越靠下,则手术越易成功;若前面的条件不满足,则继
6 若因变量为分类变量,则预测值按照多数投票表决(majority vote)原则计算;若为数值变量,则按
照叶节点上的样本均值预测。