在rpart和插入符号中使用序数变量而不转换为虚拟分类变量

Question

我试图在R中创建一个序数回归树rpart,其预测变量主要是序数数据,存储factor在R中.

当我使用创建树时rpart,我得到这样的东西:

其中值是因子值(例如A170,标签的范围从-5到10).

然而,当我使用caret来train使用数据rpart,当我解压的最终模型,树不再具有有序预测.请参阅下面的示例输出树

如上所示,似乎序数变量A170现在已经转换为多个虚拟分类值,即A17010在第二个树中是虚拟A170值10.

那么,在使用caret包装树时,是否可以保留序数变量而不是将因子变量转换为多个二元指示变量？

Answer 1

让我们从一个可重现的例子开始:

set.seed(144)
dat <- data.frame(x=factor(sample(1:6, 10000, replace=TRUE)))
dat$y <- ifelse(dat$x %in% 1:2, runif(10000) < 0.1, ifelse(dat$x %in% 3:4, runif(10000) < 0.4, runif(10000) < 0.7))*1

正如您所注意到的,使用rpart功能训练将因子级别组合在一起:

library(rpart)
rpart(y~x, data=dat)

我能够使用train函数的公式接口重现插入符号包,将因子分成各自的级别:

library(caret)
train(y~x, data=dat, method="rpart")$finalModel

我发现避免按级别拆分因子的解决方案是将原始数据帧输入到train函数而不是使用公式接口:

train(x=data.frame(dat$x), y=dat$y, method="rpart")$finalModel