Quiero probar de forma programática una regla generada a partir de un árbol. En los árboles, la ruta entre la raíz y una hoja (nodo terminal) podría interpretarse como una regla.

En R, podríamos usar elrpart paquete y haga lo siguiente: (En este post, usaré eliris conjunto de datos, sólo para fines de ejemplo)

library(rpart)
model <- rpart(Species ~ ., data=iris)

Con estas dos líneas conseguí un árbol llamadomodelcuya clase esrpart.object (rpart documentación, página 21). Este objeto tiene mucha información y admite una variedad de métodos. En particular, el objeto tiene unaframe Variable (a la que se puede acceder de forma estándar:model$frame) (ídem) y el métodopath.rpath (rpart documentación, página 7), que le proporciona la ruta desde el nodo raíz al nodo de interés (node argumento en la función)

losrow.names delframe La variable contiene los números de nodo del árbol. losvar columna da la variable de división en el nodo,yval el valor ajustado yyval2 Probabilidades de clase y otra información.

> model$frame
           var   n  wt dev yval complexity ncompete nsurrogate     yval2.1     yval2.2     yval2.3     yval2.4     yval2.5     yval2.6     yval2.7
1 Petal.Length 150 150 100    1       0.50        3          3  1.00000000 50.00000000 50.00000000 50.00000000  0.33333333  0.33333333  0.33333333
2       <leaf>  50  50   0    1       0.01        0          0  1.00000000 50.00000000  0.00000000  0.00000000  1.00000000  0.00000000  0.00000000
3  Petal.Width 100 100  50    2       0.44        3          3  2.00000000  0.00000000 50.00000000 50.00000000  0.00000000  0.50000000  0.50000000
6       <leaf>  54  54   5    2       0.00        0          0  2.00000000  0.00000000 49.00000000  5.00000000  0.00000000  0.90740741  0.09259259
7       <leaf>  46  46   1    3       0.01        0          0  3.00000000  0.00000000  1.00000000 45.00000000  0.00000000  0.02173913  0.97826087

Pero solo lo marcado como<leaf> en elvar columna son nodos terminales (hojas). En este caso los nodos son 2, 6 y 7.

Como se mencionó anteriormente, puede utilizar elpath.rpart Método para extraer una regla (esta técnica se utiliza en elrattle paquete y en el articuloPuntaje de crédito de Sharma, como sigue:

Adicionalmente, el modelo mantiene los valores del valor predicho en

predicted.levels <- attr(model, "ylevels")

Este valor corresponde a la columna.yval en elmodel$frame conjunto de datos.

Para la hoja con el número de nodo 7 (número de fila 5), ​​el valor predicho es

> ylevels[model$frame[5, ]$yval]
[1] "virginica"

y la regla es

> rule <- path.rpart(model, nodes = 7)

 node number: 7 
   root
   Petal.Length>=2.45
   Petal.Width>=1.75

Entonces, la regla podría ser leída como

If Petal.Length >= 2.45 AND Petal.Width >= 1.75 THEN Species = Virginica

Sé que puedo probar (en un conjunto de datos de prueba, usaré el conjunto de datos del iris nuevamente) cuántos positivos verdaderos tengo para esta regla, subconjunto del nuevo conjunto de datos de la siguiente manera

> hits <- subset(iris, Petal.Length >= 2.45 & Petal.Width >= 1.75)

y luego calculando la matriz de confusión

> table(hits$Species, hits$Species == "virginica")

             FALSE TRUE
  setosa         0    0
  versicolor     1    0
  virginica      0   45

(Nota: usé el mismo conjunto de datos del iris que las pruebas)

¿Cómo podría evaluar la regla de manera programática? Podría extraer las condiciones de la regla de la siguiente manera

> unlist(rule, use.names = FALSE)[-1]
[1] "Petal.Length>=2.45" "Petal.Width>=1.75" 

Pero, ¿cómo puedo continuar desde aquí? No puedo usar elsubset función

Gracias por adelantado

NOTA: Esta pregunta ha sido fuertemente editada para mayor claridad.