出口从C5.0模型庭审最后

我试图通过出口C50包构建了一个模型，R.出口从C5.0模型庭审最后

我使用partykit包提取的最后审判，但它没有返回相同合适的价值。

我不明白为什么as.party.c5.0函数与C5.0函数完全不一样。它适用于第一次试用，但不适用于其他试用。

例如：

poc_db<-iris 
fullTree_prun_iris_Winow <- C5.0(Species ~ ., data =poc_db, trials = 10,control = C5.0Control(CF = 0.90,noGlobalPruning = FALSE,winnow = T)) 

cat(fullTree_prun_iris_Winow$output) 
----- Trial 9: ----- 
Decision tree: 
Petal.Width <= 0.6: setosa (10.5) 
Petal.Width > 0.6: 
:...Petal.Width <= 1.7: versicolor (116.3/49.4) 
    Petal.Width > 1.7: virginica (22.2) 

modParty <- C50:::as.party.C5.0(fullTree_prun_iris_Winow,trial=10) 
Fitted party: 
[1] root 
| [2] Petal.Width <= 0.6: setosa (n = 50, err = 0.0%) 
| [3] Petal.Width > 0.6 
| | [4] Petal.Width <= 1.7: versicolor (n = 54, err = 9.3%) 
| | [5] Petal.Width > 1.7: virginica (n = 46, err = 2.2%)

我们应该有4点：...花斑癣（49分之116）

感谢您的帮助

来源

2017-07-06 Romain R

第四点有54个观测，并其中49个是杂色的。见

table(subset(poc_db, Petal.Width > 0.6 & Petal.Width <= 1.7)$Species) 
##  setosa versicolor virginica 
##   0   49   5

因此，partykit报告对应5/54n = 54和err = 9.3%。 C5.0报告的值不同，因为它是通过几次试验来推动树木，而不是仅仅使用一棵树。

来源

2017-07-06 18:37:54

假设我运行了一个C5算法并进行了10次试验，给出了具有不同错误率的10个规则集，然后我得到了比其他10个错误率低得多的最终提升错误率。我可以分别为所有10个试验提取规则集，如何获得升压错误率的规则？ – Ezio

使用树进行提升并不会产生一棵树作为结果模型。 –

出口从C5.0模型庭审最后

回答

相关问题