R语言基于世界银行数据集构建指定分类树结果不符求助
故障定位
代码无法生成目标分类树,共存在4个可复现的问题:
- 未定义
european_countries对象:代码通过2-alpha code %in% european_countries判断国家是否属于欧洲,但全程未给该存储欧洲国家ISO二位码的向量赋值,运行到该环节会直接抛出“对象不存在”报错,无法进入树模型训练流程。此时特征列因赋值失败全为缺失值,最终生成的树仅保留根节点,和无特征输入的输出效果一致。 - 字符串匹配格式失配:判断收入组、货币类型时的字符串前后携带多余空格,和数据集内的实际取值不匹配,会导致有效样本被错误归类。
- rpart默认剪枝阈值过严:默认参数下复杂度参数、最小分裂样本数设置偏高,即使特征有效,信息增益较低的分支也会被直接裁剪,无法长出预期的多层结构。
- 模型目标错位:将包含多分类的原始
Income Group列作为预测目标,没有匹配“欧洲归属、欧元使用、高收入判定”的三层分裂设计逻辑,和预期树的规则不匹配。
修正代码
library(tidyverse) library(rpart) # 预定义欧洲国家ISO二位码列表 european_countries <- c("AL", "AD", "AT", "BY", "BE", "BA", "BG", "HR", "CY", "CZ", "DK", "EE", "FI", "FR", "DE", "GR", "HU", "IS", "IE", "IT", "XK", "LV", "LI", "LT", "LU", "MT", "MD", "MC", "ME", "NL", "MK", "NO", "PL", "PT", "RO", "RU", "SM", "RS", "SK", "SI", "ES", "SE", "CH", "UA", "GB", "VA") # 读取本地保存的世界银行WDI国家表CSV文件 WDICountry <- read.csv("替换为你本地的CSV文件存储路径", stringsAsFactors = FALSE) tree1 <- WDICountry %>% mutate( # 判定国家是否属于欧洲 europe = ifelse(`2-alpha code` %in% european_countries, TRUE, FALSE), # 去除货币字段的前后空格后做等值匹配,判断是否使用欧元 euro = ifelse(str_trim(`Currency Unit`) == "Euro", TRUE, FALSE), # 生成二分类目标:是否属于高收入组 income_flag = as.factor(ifelse(str_trim(`Income Group`) == "High income", "High income", "Non-high income")) ) %>% select(income_flag, europe, euro) %>% filter(complete.cases(.)) %>% rpart( formula = income_flag ~ europe + euro, data = ., # 调整控制参数,关闭提前剪枝,保留所有有效分裂 control = rpart.control(cp = 0, minsplit = 2, minbucket = 1) ) # 绘制结构均匀的分类树,标注每个节点的样本量 plot(tree1, uniform = TRUE, margin = 0.1) text(tree1, use.n = TRUE, cex = 0.8)
效果说明
运行修正代码后,分类树将按照「是否属于欧洲→是否使用欧元→是否为高收入组」的逻辑生成多层分支,和预期结构完全匹配。绘图参数中uniform = TRUE会让分支长度保持一致,避免长短分支带来的视觉混乱;use.n = TRUE会在每个叶节点标注对应类别的样本数量,可读性更强。
数据集读取路径替换为本地已保存的CSV文件位置即可,无需访问在线链接。
内容的提问来源于stack exchange,提问作者TobKel
相关产品推荐
相关产品推荐

