连续型响应与预测变量下M5模型决策树输出结果解读

本次建模目标为预测最大干密度（MDD，土工试验核心压实指标），输入特征包括砾石含量（gravel）、天然含水率（NMC）、细粒含量（fines）、粒度模数（GS）、塑限（PL）、液限（LL）、砂含量（sand），基于R 4.0.5的M5算法拟合的模型树核心逻辑如下： #

1. 特征重要性排序 #

模型优先选择**液限（LL）**作为根节点分裂特征，说明液限是对MDD影响最大的主控因素，后续分层分裂的特征优先级依次为粒度模数（GS）、天然含水率（NMC）、细粒含量（fines）、塑限（PL）、砂含量（sand）、砾石含量（gravel），和土工领域“界限含水率+颗粒组成决定压实特性”的普遍认知一致。 #

2. 树结构分层规则 #

模型将所有样本划分为8个独立的线性拟合区间，各区间适用条件如下：

• 当LL < 29.5（低液限土组）：
  • 当GS < 2.75（低粒度模数，颗粒整体偏细）：
    • NMC < 11.3：适用线性模型LM1，对应12个训练样本
    • NMC ≥ 11.3：适用线性模型LM2，对应18个训练样本
  • 当GS ≥ 2.75（高粒度模数，颗粒整体偏粗）：
    • fines < 12.5（细粒含量低）：适用线性模型LM3，对应22个训练样本
    • fines ≥ 12.5（细粒含量高）：适用线性模型LM4，对应16个训练样本
• 当LL ≥ 29.5（高液限土组）：
  • 当PL < 18（低塑限）：
    • sand < 62（砂含量低）：适用线性模型LM5，对应11个训练样本
    • sand ≥ 62（砂含量高）：适用线性模型LM6，对应13个训练样本
  • 当PL ≥ 18（高塑限）：
    • gravel < 32.5（砾石含量低）：适用线性模型LM7，对应17个训练样本
    • gravel ≥ 32.5（砾石含量高）：适用线性模型LM8，对应9个训练样本

3. 结果应用说明 #

每个叶节点的线性模型（LM1~LM8）仅在对应特征区间内有效，相比全局线性回归，分段拟合的精度更高，也符合土工指标随颗粒组成、界限含水率分段变化的物理规律。样本量越少的叶节点，对应区间的预测可靠性相对越低，应用时可优先参考样本量≥15的区间结果。 #

内容的提问来源于stack exchange，提问作者Seyi