ольно плохо знаком с R и застрял с довольно тупой проблемой.

Я калибрую дерево регрессии, используяrpart пакет, чтобы сделать некоторую классификацию и некоторое прогнозирование.

Благодаря R калибровочную часть легко выполнять и легко контролировать.

#the package rpart is needed
library(rpart)

# Loading of a big data file used for calibration
my_data <- read.csv("my_file.csv", sep=",", header=TRUE)

# Regression tree calibration
tree <- rpart(Ratio ~ Attribute1 + Attribute2 + Attribute3 + 
                      Attribute4 + Attribute5, 
                      method="anova", data=my_data, 
                      control=rpart.control(minsplit=100, cp=0.0001))

После калибровки большого дерева решений я хочу, чтобы для данной выборки данных был найден соответствующий кластер некоторых новых данных (и, следовательно, прогнозируемого значения).
predict Функция, кажется, идеально подходит для нужд.

# read validation data
validationData <-read.csv("my_sample.csv", sep=",", header=TRUE)

# search for the probability in the tree
predict <- predict(tree, newdata=validationData, class="prob")

# dump them in a file
write.table(predict, file="dump.txt") 

Однако сpredict метод я просто получить прогнозируемое соотношение моих новых элементов, и я не могу найти способ получитьлист дерева решений где мои новые элементы принадлежат.

Я думаю, что это должно быть довольно легко получить, так как метод прогнозированиядолжен нашли этот лист, чтобы вернуть соотношение.

Есть несколько параметров, которые могут быть заданы для метода прогнозирования черезclass= аргумент, но для дерева регрессии все, кажется, возвращают одно и то же (значение целевого атрибута дерева решений)

Кто-нибудь знает, как получить соответствующий узел в дереве решений?

Анализируя узел сpath.rpart метод, это поможет мне понять результаты.