使用rpart构建决策树仅返回根节点问题求助

核心原因分析 #

你遇到的仅显示根节点的问题，大概率是以下两个关键原因：

1. 错误将连续数值变量转为因子：hr（心率）、sbp（收缩压）、dbp（舒张压）属于连续型生理指标，转成因子后每个数值对应一个水平，导致每个水平的样本量极少，rpart无法找到能提升模型性能的分裂规则。
2. rpart默认参数过于严格：默认的cp（复杂度参数）为0.01，只有当分裂带来的性能提升超过该阈值时才会保留节点；minsplit（分裂所需最小样本量）默认20、minbucket（叶子节点最小样本量）默认7，若你的数据集样本量不大，这些参数会阻止节点分裂。

具体解决步骤 #

1. 修正变量类型（优先处理） #

将hr、sbp、dbp还原为数值型变量，仅保留gender为因子（性别本身是分类变量）：

library(rpart)
library(rpart.plot)
train <- read.csv('train.csv', head=T, sep=",", dec=".")
train$gender <- factor(train$gender)
# 注释掉错误的因子转换，保留数值型
# train$hr <- factor(train$hr)
# train$sbp <- factor(train$sbp)
# train$dbp <- factor(train$dbp)
train$outcome <- factor(train$outcome)

2. 调整rpart控制参数，放松分裂阈值 #

如果修正变量类型后仍只有根节点，可通过rpart.control降低分裂门槛：

model <- rpart(outcome~., data=train, method="class",
               control = rpart.control(
                 cp = 0.001,    # 降低复杂度阈值，保留更多分裂
                 minsplit = 5,  # 降低分裂所需最小样本量
                 minbucket = 2  # 降低叶子节点最小样本量
               ))
rpart.plot(model)

3. 验证变量与因变量的相关性 #

如果上述操作后仍无改善，需确认自变量和因变量是否存在关联：

• 对于分类变量（如gender），用卡方检验：

  chisq.test(train$gender, train$outcome)
  

• 对于数值变量（如hr、sbp），用方差分析：

  anova(lm(outcome~hr+sbp+dbp, data=train))
  

如果检验结果的p值远大于0.05，说明变量和因变量无显著关联，自然无法生成有效分裂节点。

4. 检查样本量 #

如果你的训练集样本量过小（比如少于50条），即使变量有相关性，也可能因达不到minsplit和minbucket的要求而无法分裂，此时可进一步降低这两个参数的值，或增加样本量。

内容的提问来源于stack exchange，提问作者Konstantina S.