如何在partykit条件推断树中查看内部节点的输出概率？

要拿到ctree中内部节点（如节点2、5）的精确分类概率，不用依赖绘图估算，直接通过节点数据统计即可，具体步骤如下：

• 用nodeapply函数遍历树的所有节点（包含内部和终端节点），获取每个节点对应的观测数据集
• 对每个节点的数据集统计各类别的频数，再转换为概率
• 将结果整理成结构化格式，方便查看

代码示例 #

假设你已经训练好分类树模型i.ctree，响应变量为分类变量y：

library(partykit)

# 获取所有节点的对象列表
all_nodes <- nodeapply(i.ctree, ids = nodeids(i.ctree))

# 计算每个节点的类别概率
node_probabilities <- lapply(all_nodes, function(node) {
  # 提取当前节点包含的所有观测
  node_obs <- node$data
  # 统计类别频数并计算概率
  category_counts <- table(node_obs$y)
  prop.table(category_counts)
})

# 整理成数据框，清晰展示节点ID、类别和对应概率
prob_df <- do.call(rbind, lapply(names(node_probabilities), function(node_id) {
  prob_vec <- node_probabilities[[node_id]]
  data.frame(
    节点ID = node_id,
    类别 = names(prob_vec),
    概率 = as.numeric(prob_vec)
  )
}))

# 查看结果，包含所有内部节点的精确概率
print(prob_df)

补充说明 #

• 无论二分类还是多分类任务，这段代码都能适用，会自动统计每个节点内所有类别的概率
• 这种方法直接基于节点包含的原始观测数据计算，比绘图估算的结果更精确
• 如果需要单独查看某个节点（如节点5）的概率，可直接调用node_probabilities[["5"]]

内容的提问来源于stack exchange，提问作者Bisola