A Toolkit for Recursive Partytioning
A Toolkit for Recursive Partytioning
复制标题
递归派对工具包
DOI：
--
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
A. Zeileis
中科院分区：
文献类型：
--
作者：
T. Hothorn;A. Zeileis
partykit 包提供了一个灵活的工具包，具有用于学习、表示、总结和可视化各种树形结构回归和分类模型的基础设施。该功能包括： (a) 用于表示树的基本基础设施（通过任何算法推断），以便可以使用统一的打印/绘图/预测方法。 (b) 叶子（或终端节点）中具有恒定拟合的树的专用方法以及合适的强制函数来创建此类树模型（例如，通过 rpart 、 RWeka 、 PMML）。 (c) 条件推理树的重新实现（ ctree ，最初在 party 包中提供）。 (d) 基于模型的递归分区（ mob ，最初也是 party ）的扩展重新实现，以及叶子中带有参数模型的树的专用方法。此小插图简要概述了该包，并详细讨论了表示树 (a) 的通用基础设施。项目 (b)–(d) 在包中的其余小插图中讨论。
The partykit package provides a flexible toolkit with infrastructure for learning, representing, summarizing, and visualizing a wide range of tree-structured regression and classification models. The functionality encompasses: (a) Basic infrastructure for representing trees (inferred by any algorithm) so that unified print / plot / predict methods are available. (b) Dedicated methods for trees with constant fits in the leaves (or terminal nodes) along with suitable coercion functions to create such tree models (e.g., by rpart , RWeka , PMML). (c) A reimplementation of conditional inference trees ( ctree , originally provided in the party package). (d) An extended reimplementation of model-based recursive partitioning ( mob , also originally in party ) along with dedicated methods for trees with parametric models in the leaves. This vignette gives a brief overview of the package and discusses in detail the generic infrastructure for representing trees (a). Items (b)–(d) are discussed in the remaining vignettes in the package.