У меня есть чисто категоричный фрейм данных из базы данных машинного обучения UCIhttps://archive.ics.uci.edu/ml/datasets/Diabetes+130-US+hospitals+for+years+1999-2008

Я использую rpart для формирования дерева решений на основе новой категории о том, возвращаются ли пациенты раньше, чем через 30 дней (новая категория с ошибками).

Я использую следующие параметры для своего дерева решений

    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"))

Печать результатов дает:

       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

Я вижу, что относительная ошибка уменьшается по мере того, как дерево решений разветвляется, но ксеррор увеличивается - чего я не понимаю, так как я думал, что ошибка уменьшит количество ветвей и сложность дерева. ,

Я полагаю, что ксеррор является наиболее важным, так как большинство методов обрезки деревьев будет вырезать дерево в корне.

Может кто-нибудь объяснить мне, почему ксеррор - это то, на чем фокусируется при обрезке дерева? И когда мы суммируем, что является ошибкой классификатора дерева решений, это ошибка 0.99231 или 1.0031?