利用 partykit 進行遞迴區分 (recursive partitioning)

遞迴區分 (Recursive partitioning) 是一種多變量分析的統計方法。遞迴區分，基於一些可二分的 (dichotomous)相依變數，試圖建立一個可以正確分類成員的決策樹。

雖然遞迴區分多用於醫療診斷測試，但其實它的應用程度相當廣泛。

相較於迴歸分析會建立一個公式，讓醫療照護者從中計算一個病患擁有疾病的機率；遞迴區分所建立的規則像是「如果病患身上有 x, y, 或 z, 那他可能會得了 q 疾病」

R 當中的 rpart 套件可以幫你做遞迴區分。 Torsten Hothorn 及 Achim Zeileis 進一步實作了擴充的工具組，稱作 partykit，可以幫助呈現、摘要以及視覺化所得模型的樹狀結構。

底下，我們會使用 HELP 資料，分類成員是否「無家可歸」(homeless)。

ds = read.csv("http://www.math.smith.edu/r/data/help.csv")
library(rpart); library(partykit)
ds$sub = as.factor(ds$substance)
homeless.rpart = rpart(homeless ~ female + i1 + sub + sexrisk + mcs +
  pcs, method="class", data=ds)
plot(homeless.rpart)
text(homeless.rpart)

好極了，有點樣子了 (儘管有點陽春，但沒關係，待會我們會美化它)。我們可以用指令 printcp() 將分類樹的產物顯示出來。

printcp(homeless.rpart)

接著我們要利用 partykit 套件製作漂亮的圖形。 注意我們使用了 plot.party() 和 as.party()，強迫 rpart 物件轉成適當的格式。

 

plot(as.party(homeless.rpart), type="simple")

你也可以將 type="simple" 移掉，看一看終端節點 (terminal node) 的分類情況。

plot(as.party(homeless.rpart))

想要知道更多的資訊和更多迷人的圖片，不妨參考此文件。文件裏頭有取出每個中間節點的 p-value 的範例。

相關資源:
Quick-R: http://www.statmethods.net/advstats/cart.html
消息來源: R-bloggers