我有一个来自 UCI 机器学习数据库的纯分类数据框https://archive.ics.uci.edu/ml/datasets/Diabetes+130-US+hospitals+for+years+1999-2008 https://archive.ics.uci.edu/ml/datasets/Diabetes+130-US+hospitals+for+years+1999-2008
我正在使用 rpart 根据患者是否在 30 天前返回的新类别(新的失败类别)形成决策树。
我的决策树使用以下参数
tree_model <- rpart(Failed ~ race + gender + age+ time_in_hospital+ medical_specialty + num_lab_procedures+ num_procedures+num_medications+number_outpatient+number_emergency+number_inpatient+number_diagnoses+max_glu_serum+ A1Cresult+metformin+glimepiride+glipizide+glyburide+pioglitazone+rosiglitazone+insulin+change,method="class", data=training_data, control=rpart.control(minsplit=2, cp=0.0001, maxdepth=20, xval = 10), parms = list(split = "gini"))
打印结果产生:
CP nsplit rel error xerror xstd
1 0.00065883 0 1.00000 1.0000 0.018518
2 0.00057648 8 0.99424 1.0038 0.018549
3 0.00025621 10 0.99308 1.0031 0.018543
4 0.00020000 13 0.99231 1.0031 0.018543
我看到随着决策树分支的增加,相对误差会下降,但是 xerror 会上升 - 我不明白这一点,因为我认为错误会减少分支越多,树就越复杂。
我认为 xerror 是最重要的,因为大多数树修剪方法都会从根部修剪树。
为什么修剪树时要重点关注xerror?
而当我们总结一下决策树分类器的误差是多少时,误差是0.99231还是1.0031?