rpart决策树仅生成根节点无法分裂，预测结果单一问题咨询

问题描述 #

尝试构建rpart决策树预测贷款申请人是否违约，操作流程如下：
加载数据集与依赖包：

library(readr)
library(dplyr)
library(rpart)
library(rpart.plot)

loans <- read_csv('https://assets.datacamp.com/production/repositories/718/datasets/7805fceacfb205470c0e8800d4ffc37c6944b30c/loans.csv')

转换响应变量类型：

loans <- loans %>% mutate(default = factor(as.character(default), levels = c(0, 1), labels = c('repaid', 'defaulted')))

构建决策树模型：

loans_model <- rpart(default ~ loan_amount + credit_score + debt_to_income, data = loans, method = 'class')

但预测结果全部为repaid：

loans$pred_default <- predict(loans_model, newdata = loans, type = "class")
unique(loans$pred_default)

输出：

[1] repaid
Levels: repaid defaulted

可视化模型仅显示根节点：

rpart.plot(loan_model)

（对应根节点可视化图片）

原因分析 #

• 类别不平衡：数据集里repaid类样本占比过高，rpart默认会优先预测多数类，无需分裂即可获得较高整体准确率，因此不生成子节点。
• 默认参数限制过严：rpart默认的cp（复杂度参数）、minsplit（最小分裂样本数）阈值较高，即使存在潜在分裂特征，也达不到分裂条件。

解决方法 #

1. 验证类别分布 #

先确认数据是否存在不平衡：

# 查看各类别样本数
table(loans$default)
# 查看各类别占比
prop.table(table(loans$default))

若defaulted类占比极低（如低于10%），则类别不平衡是核心问题。

2. 调整rpart分裂参数 #

降低cp值、减小minsplit和minbucket，让模型更容易生成子节点：

loans_model <- rpart(
  default ~ loan_amount + credit_score + debt_to_income,
  data = loans,
  method = 'class',
  cp = 0.001,    # 降低复杂度参数，允许更多分裂
  minsplit = 10, # 减小分裂所需的最小样本数
  minbucket = 5  # 减小叶子节点的最小样本数
)

重新查看模型与预测结果：

# 可视化调整后的决策树
rpart.plot(loans_model)
# 重新预测并查看结果
loans$pred_default <- predict(loans_model, newdata = loans, type = "class")
unique(loans$pred_default)

3. 处理类别不平衡（可选） #

若类别极度不平衡，可通过调整损失权重让模型更关注少数类：

loans_model_weighted <- rpart(
  default ~ loan_amount + credit_score + debt_to_income,
  data = loans,
  method = 'class',
  # 设置损失矩阵：误判defaulted为repaid的损失设为10，提高少数类权重
  parms = list(loss = matrix(c(0, 10, 1, 0), nrow = 2))
)

内容的提问来源于stack exchange，提问作者user21767262