如何在rpart中应用权重？

Question

我有 Kaggle 实践竞赛中的房屋数据，我正在使用 rpart 训练一个简单的第一个模型来预测销售价格。

该模型无法正确识别销售状况异常或预付款的销售。因此，我想增加这个在模型中显然被忽视的变量的重要性。

我假设这是通过使用“权重”参数来完成的，但如何使用该参数？如何确定我想要哪些变量具有更高的权重？

Answer 1

从文档中：

重量

可选外壳重量。

成本

非负成本向量，模型中的每个变量都有一个非负成本向量。所有变量默认为 1。这些是考虑分割时要应用的缩放比例，因此变量分割的改进除以其成本来决定选择哪个分割。

权重针对行（例如，为较小的类别赋予更高的权重），成本针对列。

应用权重参数的示例用法（不一定是定义权重的最佳方法）：

positiveWeight = 1.0 / (nrow(subset(training, Y == TRUE)) / nrow(training))
negativeWeight = 1.0 / (nrow(subset(training, Y != TRUE)) / nrow(training))

modelWeights <- ifelse(training$Y== TRUE, positiveWeight, negativeWeight)

dtreeModel <- rpart(predFormula, training, weights = modelWeights)