R中rpart模型varImp输出变量数与决策树绘图变量数不一致问题

该差异是varImp()变量重要性统计逻辑和决策树剪枝规则的本质区别导致的，核心原因如下：

• 两者计算覆盖范围不同：rpart的变量重要性会统计模型构建全流程的所有分裂贡献，不局限于最终呈现的剪枝后树结构：只要变量在剪枝前的候选分裂节点、被剪枝的分支中产生过分类增益，或是在留一法交叉验证的任意一轮训练子树中被使用过，都会被计入重要性得分，因此输出了9个有贡献的变量。
• 最终决策树经过剪枝优化：你用来绘图的是经复杂度参数（cp）筛选后的最优剪枝树，剪枝过程会自动删除所有对模型泛化性能提升未达阈值的分支，仅保留对分类贡献最大的核心节点，因此最终绘图只会出现2个贡献最高的变量。
• 交叉验证的聚合逻辑影响：caret的varImp()在交叉验证场景下会对所有折的变量重要性得分取平均，部分变量可能仅在少数几轮训练的子树中被使用，没有出现在最终全量数据训练的最优剪枝树中，自然不会在绘图里展示。

如果需要验证该逻辑，可以将模型的cp参数调整为0后绘制未剪枝的完整树，就能看到更多出现在变量重要性表中的变量。

附图 #

内容的提问来源于stack exchange，提问作者Carlo