Как я могу продолжить разделение в коде дерева регрессии в R?

Question

Мне нужно сделать свой собственный код дерева регрессии. Я сделал код, который делает критерий разделения, оценивая наименьшее число SSE и нанося на график это разделение.

Однако я не могу продолжить эту обработку разделения. Как я могу продолжить процесс разделения (что означает встраивание модели дерева в max_depth)?

Еще одна проблема заключается в том, как я могу создать код, который может обрезать мое дерево?

** Мне не следует использовать такие пакеты, как ctree, rpart, которые связаны с пакетами дерева решений.

# Install tidyverse pacakges 
install.packages("tidyverse")

# Load libraries
library(MASS)
library(ggplot2)

# Load the dataset (preprocessing outliers)
mammals <- mammals[c(-19,-32:-33),] 
print(mammals)

# Visualize the dataset
ggplot(mammals, aes(x = brain, y = body )) + geom_point() + theme_bw()

# Split Criteria : SSE = \sum_{i \in S_1} (y_i - \bar(y)1)^2 +      
#\sum_{i \inS_2} (y_i - \bar(y)2)^2
n_data <- nrow(mammals)

# The potential splits are all the values of Mileage found in the dataset.
# Create dataframe to store all potential splits, their associated sum of  
# squares
# error (SSE), and the predictions for the left and right groups after the 
#split.
SSE.df <- data.frame(brain = sort(mammals$brain), 
                 SSE = numeric(n_data), 
                 left_mean = numeric(n_data), 
                 right_mean = numeric(n_data))


for(i in 1:n_data){
  brain <- SSE.df$brain[i]

  # split cars into left and right groups by mileage
  left <- mammals[mammals$brain <= brain,]
  right <- mammals[mammals$brain > brain,]

  # calculate left and right predictions/means
  SSE.df$left_mean[i] <- mean(left$body)
  SSE.df$right_mean[i] <- mean(right$body)

  # calculate sum of squares error
  SSE.df$SSE[i] <- sum((left$body - SSE.df$left_mean[i])^2) + 
                   sum((right$body - SSE.df$right_mean[i])^2)
}

# plot the SSE for each split on mileage
ggplot(SSE.df, aes(x = brain, y = SSE/1000)) + geom_line() + theme_bw()

# the best split is the mileage with the minimum SSE
best_split <- SSE.df[which.min(SSE.df$SSE),] 
best_split

# create datasets with points to plot red lines for the left and right 
# means
left_mean <- data.frame(x = c(-Inf, best_split$brain), 
                        y = rep(best_split$left_mean, 2))

 right_mean <- data.frame(x = c(best_split$brain, Inf), 
                          y = rep(best_split$right_mean, 2))

ggplot(mammals, aes(x = brain, y = body)) + 
  geom_point() + theme_bw() + 
  geom_vline(xintercept = best_split$brain) +
  geom_line(data = left_mean, aes(x = x, y = y), color = "red") +
  geom_line(data = right_mean, aes(x = x, y = y), color = "red")

Подводя итог, я хочу 3 вещи. 1. код, который строит дерево регрессии maximum_depth. 2. код, который обрезает листья деревьев, чтобы избежать перегрузки. 3. codw, который показывает MSE (средняя квадратическая ошибка) каждого узла.

Спасибо