rpart 和 party 包完全不同的决策树

Question

我想比较一下CART和CHAID算法，我选择rpart（cart algorithm）和party（chaid algorithm）来看看它们的区别。我的数据是关于血压的：

派对功能返回我：

library(party)
# par <- ctree_control(minsplit=20, minbucket=10)
arbre <- ctree(bpress_level ~ ., data = df)
arbre
plot(arbre)

rpart 包返回给我：

library(rpart)
fit <- rpart(bpress_level ~ .,
             method="class", data=df)

printcp(fit) # display the results
plotcp(fit)

plot(fit, uniform=TRUE,
     main="Classification Tree for pressure level")
text(fit, use.n=TRUE, all=TRUE, cex=.8)

我不明白为什么树决定素如此不同，这正常吗？为什么对于派对包，算法会忽略烟雾，压力，性别......提前谢谢你。

Answer 1

首先，ctree（[party]）不使用CHAID算法。它与 CHAID 非常相似，但又不同于 CHAID。CHAID 仅适用于数据本质上是分类的情况。

当然，还有许多其他递归分区算法或多或少类似于 CHAID，可以处理混合数据类型。例如，CTree 算法（条件推理树）也基于显着性测试，可在 partykit 包的 ctree() 中使用。