在 rpart 和 caret 中使用序数变量而不转换为虚拟分类变量 [英] Using ordinal variables in rpart and caret without converting to dummy categorical variables

问题描述

我正在尝试使用 rpart 在 R 中创建一个序数回归树，预测变量主要是序数数据，在 R 中存储为 factor.

I am trying to create an ordinal regression tree in R using rpart, with the predictors mostly being ordinal data, stored as factor in R.

当我使用 rpart 创建树时，我得到如下内容:

When I created the tree using rpart, I get something like this:

其中的值是因子值(例如，A170 的标签范围从 -5 到 10).

where the values are the factor values (E.g. A170 has labels ranging from -5 to 10).

但是，当我使用 caret 使用 rpart 来train 数据时，当我提取最终模型时，树不再有序数预测因子.请参阅下面的示例输出树

However, when I use caret to train the data using rpart, when I extract the final model, the tree no longer has ordinal predictors. See below for a sample output tree

如上所示，现在似乎序数变量A170 已经转换为多个虚拟分类值，即第二棵树中的A17010 是A170 值 10.

As you see above, it seems the ordinal variable A170 now has been converted into multiple dummy categorical value, i.e. A17010 in the second tree is a dummy for A170 of value 10.

那么，在使用caret包拟合树时，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?

So, is it possible to retain ordinal variables instead of converting factor variables into multiple binary indicator variables when fitting trees with the caret package?

推荐答案

让我们从一个可重现的例子开始:

Let's start with a reproducible example:

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

如您所见，使用 rpart 函数进行训练将因子水平组合在一起:

As you note, training with the rpart function groups the factor levels together:

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，将因素拆分为它们的各个级别:

I was able to reproduce the caret package splitting up the factors into their individual levels using the formula interface to the train function:

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 函数中，而不是使用公式接口:

The solution I found to avoid splitting factors by level is to input raw data frames to the train function instead of using the formula interface:

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

这篇关于在 rpart 和 caret 中使用序数变量而不转换为虚拟分类变量的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！