使用partykit包绘制ctree时出现invalid 'yscale' in viewport错误求助

问题根源 #

你遇到的错误和无终端节点问题，核心原因是na.action = na.pass的设置：

• 该参数会保留所有含缺失值的观测，但ctree在构建分裂节点时，会自动排除含缺失值的样本进行显著性检验。
• airquality数据集的Ozone等变量存在大量缺失值，导致有效样本量不足，模型无法找到符合显著性要求的分裂规则，最终生成的树只有一个根节点。而plot()函数无法处理这种仅含根节点的ctree结构，因此抛出invalid 'yscale' in viewport错误。

解决方案 #

方案1：合理处理缺失值（推荐） #

删除或插补缺失值，让模型有足够的有效样本生成分裂节点：

方法A：删除含缺失值的观测

library(partykit)
data("airquality")

# 清理缺失值
clean_air <- na.omit(airquality)
# 重新构建模型
dumm_model <- ctree(Ozone ~ ., data = clean_air,
                   control = ctree_control(teststat = "quadratic", testtype = "Bonferroni"))
# 绘图
plot(dumm_model)

方法B：插补缺失值

如果不想删除数据，可对缺失值进行插补（以下为简单均值插补示例，实际可根据需求选择更专业的插补方法，如多重插补）：

library(partykit)
data("airquality")

# 均值插补Ozone和Solar.R的缺失值
airquality$Ozone[is.na(airquality$Ozone)] <- mean(airquality$Ozone, na.rm = TRUE)
airquality$Solar.R[is.na(airquality$Solar.R)] <- mean(airquality$Solar.R, na.rm = TRUE)

# 构建模型并绘图
dumm_model <- ctree(Ozone ~ ., data = airquality,
                   control = ctree_control(teststat = "quadratic", testtype = "Bonferroni"))
plot(dumm_model)

方案2：调整模型控制参数（仅测试用） #

若必须保留缺失值，可降低显著性检验的阈值，让模型更容易生成分裂节点，但此方法可能导致过拟合，仅用于测试：

library(partykit)
data("airquality")

dumm_model <- ctree(Ozone ~ ., data = airquality, na.action = na.pass,
                   control = ctree_control(teststat = "quadratic", testtype = "Bonferroni",
                                           mincriterion = 0.9)) # 默认mincriterion为0.95，降低阈值
plot(dumm_model)

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