小编sde*_*188的帖子

问题：我正在尝试使用 sf 包和geom_sf()ggplot2创建美国州/县的地图，但我无法获得size多边形边界线宽度的参数geom_sf()以正确创建细线size < 1（例如ggplot(sf_obj) %>% geom_sf(size = 0.5).

具体来说，一个州/县的边界线似乎从任意小的（例如size = 0.05）一直到 具有相同的宽度size = 0.702。然后在 处似乎有一个奇怪的截止点size = 0.702，在该截止点上方边界线突然显得更宽。然后从size = 0.703最多到size = 1边界线似乎具有相同的宽度。对于size> 1，正如预期的那样，边界线会逐渐变宽。

研究：它似乎geom_sf()支持逐渐变化size，如图中的代码对由Bob Rudis地图<1，在这里和马特Strimas-麦基这里。这似乎是我的问题可能是同一个参考这里GGPLOT2的Github的页面上标题为“geom_sf发小尺寸高达1”，但这个问题被关闭，我不知道是否/如何我可以实现我的机器上的修补程序。这里（和这里）还有另一个类似的问题，但哈德利建议在这种情况下问题可能出在图形设备/查看器上。我在 RStudio 和 RGUI 中复制了我的问题（以及上面链接的两个 Github 问题），但我不确定如何测试/更改我的图形设备/查看器。

版本信息：我使用的是 ggplot2_3.0.0、sf_0.6.3、R 版本 3.5.1、RStudio 版本 1.1.456 和 Windows 10 版本 …

数据:我正在使用rsample包中的" attrition "数据集.

问题:使用磨损数据集和rpart库,我可以使用公式"Attrition~OverTime + JobRole"生成树,其中选择OverTime作为第一个分割.但是当我尝试在没有JobRole变量的情况下生长树(即"Attrition~OverTime")时,树不会分裂并仅返回根节点.使用rpart函数以及使用method ="rpart"的插入符号列函数都会发生这种情况.

我对此感到困惑,因为我认为在rpart中实现的CART算法选择了最佳变量以迭代贪婪的方式进行分割,并且没有"向前看"以查看其他变量的存在如何影响其对最佳选择的选择分裂.如果在具有两个解释变量的情况下算法选择OverTime作为值得的第一次拆分,为什么在删除JobRole变量后它不选择OverTime作为值得的第一次拆分？

我在Windows 7中使用R版本3.4.2和RStudio版本1.1.442.

研究:我在这里和这里找到了类似的Stack Overflow问题,但都没有完整的答案.

我可以说,rpart文档似乎在第5页说rpart算法不使用"向前看"规则:

解决这两个问题的一种方法是使用预见规则; 但这些在计算上非常昂贵.相反,rpart使用节点的几种杂质或多样性度量之一.

此外,这里和这里也有类似的描述.

代码:这是一个代表.任何见解都会很棒 - 谢谢!

suppressPackageStartupMessages(library(rsample))                                                                                                           
#> Warning: package 'rsample' was built under R version 3.4.4
suppressPackageStartupMessages(library(rpart))                                                                                                             
suppressPackageStartupMessages(library(caret))                                                                                                             
suppressPackageStartupMessages(library(dplyr))                                                                                                             
#> Warning: package 'dplyr' was built under R version 3.4.3
suppressPackageStartupMessages(library(purrr))                                                                                                             

#################################################                                                                                                          

# look at data                                                                                                                                             
data(attrition)                                                                                                                                            
attrition_subset <- attrition %>% select(Attrition, OverTime, JobRole)                                                                                     
attrition_subset %>% glimpse()                                                                                                                             
#> Observations: 1,470
#> …