Как вы выводите значения вдоль ветвей дерева в R?

Question

Учитывая любой фрейм данных, как мне получить дерево или список, который сообщает мне значение вдоль каждой из ветвей дерева в R?

Например, если у меня есть фрейм данных, который выглядит следующим образом:

Gender      Under 18?   Student            
M           Y           Y
F           Y           Y
M           N           Y
M           Y           Y
F           N           N
M           N           N
F           N           N
F           Y           N
M           Y           N

Как вывести значения вдоль ветвей, как в дереве ниже?

Дерево со значениями вдоль ветвей

Answer 1

Обычно дерево решений является результатом rpart или некоторого другого пакета на основе дерева, который создает правила принятия решений. Который затем может быть нанесен с помощью функции prp rpart.plot или fancyRpartPlot функции трещотки.

Но на основе вашего набора данных я создал функцию и набор кода (все из которых можно поместить в большую функцию). Igraph (или диаграмма) может быть использован для построения деревьев решений. Я использовал Igraph. Другие пакеты, необходимые для запуска, это dplyr и tidyr.

Код относительно гибкий, если у вас есть исходная таблица, такая же, как у вас. Итак, полный путь решения на строку.

На первом этапе создается функция для подсчета вхождений каждого пути принятия решения и добавления недостающих путей принятия решения. Следующие 2 шага создают метки вершин и ребер, необходимые для создания текста в узлах и вершинах. Операторы group by в этом коде необходимы для того, чтобы все значения оказались в правильном месте. Последний шаг - это создание графика и построение его с ребрами и вершинами. Картинка в этом посте - это результат, основанный на ваших данных. Если вам нужны разные метки вершин, как в вашем примере, вы можете сделать несколько операторов ifelse, но это не делает их гибкими. На рисунке показан результат на основе данных вашего примера.

Полный код ниже рисунка.

library(tidyr)
library(dplyr)
library(igraph)

# count all the rules at the total grouped level
# add a line for each missing path with a 0
complete_df <- function(dat){

  vars <- names(dat)

  dat %>%
    group_by_all %>%
    summarise(n = n()) %>%
    ungroup %>%
    complete(!!!rlang::syms(vars), fill = list(n = 0)) ##
}

dat <- complete_df(df1)

vertex_labels <- sum(dat$n)
for(i in seq_along(dat[, -ncol(dat)])) {
  out <- dat %>%
    select(1:i, n) %>% 
    group_by_if(is.character) %>% 
    summarise(total = sum(n)) %>% 
    ungroup() %>% 
    pull(total)

  vertex_labels <- c(vertex_labels, out)
}

# labels for inside the nodes    
edge_labels <- NULL
for(i in seq_along(dat[, -ncol(dat)])) {
  out <- dat %>%
    select(1:i) %>% 
    group_by_if(is.character) %>%
    distinct %>% 
    pull(i)

  edge_labels <- c(edge_labels, out)
}

plot(graph.tree(2^(ncol(dat)) - 1, 2), 
     layout=layout_as_tree,
     edge.label = edge_labels,
     vertex.label = vertex_labels
)

данные:

df1 <- structure(list(Gender = c("M", "F", "M", "M", "F", "M", "F", "F", "M"), 
                      Under_18 = c("Y", "Y", "N", "Y", "N", "N", "N", "Y", "Y"), 
                      Student = c("Y", "Y", "Y", "Y", "N", "N", "N", "N", "N")), 
                 class = "data.frame", row.names = c(NA, -9L))