Как подняться по древовидной структуре объекта rpart с использованием пути, чтобы вручную очистить некоторые узлы?

Question

Я использую rpart для построения дерева классификации. Я хочу разработать собственную функцию обрезки, основанную на некоторых критериях на листовых узлах. Например, если один листовой узел не подходит к некоторым критериям (стабильность оценки параметров в моем случае), я хочу залезть в древовидную структуру и получить родительский узел этого листового узла (даже если этот узел не является терминальным). Для этого я хочу пересечь дерево, используя путь, и мне нужно получить узлы листа с их родительскими узлами, чтобы при необходимости подняться по дереву.

Давайте посмотрим на этот пример:

fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis) 

> fit 
n= 81 

node), split, n, loss, yval, (yprob) 
* denotes terminal node 

1) root 81 17 absent (0.79.20987654) 
2) Start>=8.5 62 6 absent (0.90322581 0.09677419) 
4) Start>=14.5 29 0 absent (1.00000000 0.00000000) * 
5) Start< 14.5 33 6 absent (0.81818182 0.18181818) 
10) Age< 55 12 0 absent (1.00000000 0.00000000) * 
11) Age>=55 21 6 absent (0.71428571 0.28571429) 
22) Age>=111 14 2 absent (0.85714286 0.14285714) * 
23) Age< 111 7 3 present (0.42857143 0.57142857) * 
3) Start< 8.5 19 8 present (0.42105263 0.57894737) * 

С отделкой $ кадра я могу получить информацию о листовых узлов:

fit$frame 

var n wt dev yval complexity ncompete nsurrogate yval2.V1 yval2.V2 yval2.V3 yval2.V4 yval2.V5 
1 Start 81 81 17 1 0.17647059 2 1 1.00000000 64.00000000 17.00000000 0.79.20987654 
2 Start 62 62 6 1 0.01960784 2 2 1.00000000 56.00000000 6.00000000 0.90322581 0.09677419 
4 <leaf> 29 29 0 1 0.01000000 0 0 1.00000000 29.00000000 0.00000000 1.00000000 0.00000000 
5 Age 33 33 6 1 0.01960784 2 2 1.00000000 27.00000000 6.00000000 0.81818182 0.18181818 
10 <leaf> 12 12 0 1 0.01000000 0 0 1.00000000 12.00000000 0.00000000 1.00000000 0.00000000 
11 Age 21 21 6 1 0.01960784 2 0 1.00000000 15.00000000 6.00000000 0.71428571 0.28571429 
22 <leaf> 14 14 2 1 0.01000000 0 0 1.00000000 12.00000000 2.00000000 0.85714286 0.14285714 
23 <leaf> 7 7 3 2 0.01000000 0 0 2.00000000 3.00000000 4.00000000 0.42857143 0.57142857 
3 <leaf> 19 19 8 2 0.01000000 0 0 2.00000000 8.00000000 11.00000000 0.42105263 0.57894737 

я могу получить переписку строк в таблице данных с соответствующий листовой узел попадает в него: fit $, где

Теперь я хочу получить также родителей листового узла. Я знаю, что path.rpart дает мне все расколы, сделанные для получения листового узла. Например, для листа узла 23:

> path.rpart(fit, 23) 

node number: 23 
root 
Start>=8.5 
Start< 14.5 
Age>=55 
Age< 111 

То, что я хочу, чтобы получить это путь с номерами узлов родителей от узла 23? Как я могу это сделать?

Заранее спасибо.

Answer 1

Вам не нужна никакая информация о дереве, так как все узлы имеют одинаковый шаблон. Давайте подходить более интересное дерево:

(fit <- rpart(Kyphosis ~ Age + Number + Start, data = kyphosis, 
      cp = .0001, minsplit = 5)) 

# n= 81 
# 
# node), split, n, loss, yval, (yprob) 
#  * denotes terminal node 
# 
# 1) root 81 17 absent (0.79.20987654) 
#  2) Start>=8.5 62 6 absent (0.90322581 0.09677419) 
#  4) Start>=14.5 29 0 absent (1.00000000 0.00000000) * 
#  5) Start< 14.5 33 6 absent (0.81818182 0.18181818) 
#  10) Age< 55 12 0 absent (1.00000000 0.00000000) * 
#  11) Age>=55 21 6 absent (0.71428571 0.28571429) 
#   22) Age>=98 16 2 absent (0.87500000 0.12500000) * 
#   23) Age< 98 5 1 present (0.20000000 0.80000000) * 
#  3) Start< 8.5 19 8 present (0.42105263 0.57894737) 
#  6) Age< 11.5 2 0 absent (1.00000000 0.00000000) * 
#  7) Age>=11.5 17 6 present (0.35294118 0.64705882) 
#  14) Start< 5.5 12 6 absent (0.50000000 0.50000000) 
#   28) Age>=130.5 2 0 absent (1.00000000 0.00000000) * 
#   29) Age< 130.5 10 4 present (0.40000000 0.60000000) 
#   58) Age< 93 6 2 absent (0.66666667 0.33333333) 
#    116) Number< 4.5 3 0 absent (1.00000000 0.00000000) * 
#    117) Number>=4.5 3 1 present (0.33333333 0.66666667) * 
#   59) Age>=93 4 0 present (0.00000000 1.00000000) * 
#  15) Start>=5.5 5 0 present (0.00000000 1.00000000) * 

Если возможно, каждый узел будет разделен на две части и быть пронумерованы node * 2 + 0:1, поэтому если у вас узел номером 5, его дети будут 5 * 2 + 0:1. Также обратите внимание, что при использовании этого шаблона ни четные узлы не будут иметь детей.

Поэтому, учитывая любое число узлов, мы можем работать назад, чтобы найти родителей:

parent(23) 
# [1] 1 2 5 11 23 

## children of the same node should have the same path 
identical(head(parent(28), -1), head(parent(29), -1)) 
# [1] TRUE 

parent <- function(x) { 
    if (x[1] != 1) 
    c(Recall(if (x %% 2 == 0L) x/2 else (x - 1)/2), x) else x 
}