通过caret调用rpart时因子预测变量被转换为数值的原因是什么

这个差异由caret的默认数据预处理逻辑导致：

• caret::train() 函数默认会对输入的因子类自变量执行*哑变量（独热编码）*转换：示例中的因子变量x只有A、B两个水平，转换后会生成名为xB的数值型变量，取值为1对应原x为B、取值为0对应原x为A。后续rpart基于转换后的数值变量训练，拆分规则自然显示为xB>=0.5、xB<0.5的形式。
• 直接调用rpart::rpart()时，rpart原生支持因子类型的自变量做节点拆分，不会自动执行哑变量转换，因此会直接基于原始因子的水平生成x=B、x=A的规则。

如果需要caret调用rpart时也保留因子格式的拆分规则，可以关闭caret的自动哑变量转换逻辑，示例如下：

dummyModel <- caret::train(y ~ x, data = dummy, method = "rpart", metric = "ROC",
    trControl = dummyTc, tuneLength = 5,
    preProcess = NULL,
    xlev = list(x = levels(dummy$x))
)

内容的提问来源于stack exchange，提问作者nsa