Saya telah menggunakan rpart.control
untuk minsplit=2
, dan mendapat hasil berikut dari rpart()
fungsi. Untuk menghindari kelebihan data, apakah saya perlu menggunakan split 3 atau split 7? Haruskah saya menggunakan split 7? Tolong beritahu saya.
Variabel yang sebenarnya digunakan dalam konstruksi pohon:
[1] ct_a ct_b usr_a
Root node error: 23205/60 = 386.75
n= 60
CP nsplit rel error xerror xstd
1 0.615208 0 1.000000 1.05013 0.189409
2 0.181446 1 0.384792 0.54650 0.084423
3 0.044878 2 0.203346 0.31439 0.063681
4 0.027653 3 0.158468 0.27281 0.060605
5 0.025035 4 0.130815 0.30120 0.058992
6 0.022685 5 0.105780 0.29649 0.059138
7 0.013603 6 0.083095 0.21761 0.045295
8 0.010607 7 0.069492 0.21076 0.042196
9 0.010000 8 0.058885 0.21076 0.042196
Jawaban:
Konvensi tersebut adalah untuk menggunakan pohon terbaik (kesalahan relatif validasi silang terendah) atau pohon terkecil (paling sederhana) dalam satu kesalahan standar pohon terbaik. Pohon terbaik di baris 8 (7 split), tetapi pohon di baris 7 (6 split) efektif melakukan pekerjaan yang sama (
xerror
untuk pohon di baris 7 = 0,21761, yang berada dalam (lebih kecil)xerror
dari pohon terbaik ditambah satu standar kesalahan,,xstd
(0,21076 + 0,042196) = 0,252956) dan lebih sederhana, maka 1 aturan kesalahan standar akan memilihnya.sumber