Как определить последовательности в каждом листе из дерева регрессии?

Question

Использование набора данных биофамы

library(TraMineR)
data(biofam)
lab <- c("P","L","M","LM","C","LC","LMC","D")
biofam.seq <- seqdef(biofam[,10:25], states=lab)
head(biofam.seq)

 Sequence                                    
1167 P-P-P-P-P-P-P-P-P-LM-LMC-LMC-LMC-LMC-LMC-LMC
514  P-L-L-L-L-L-L-L-L-L-L-LM-LMC-LMC-LMC-LMC    
1013 P-P-P-P-P-P-P-L-L-L-L-L-LM-LMC-LMC-LMC      
275  P-P-P-P-P-L-L-L-L-L-L-L-L-L-L-L             
2580 P-P-P-P-P-L-L-L-L-L-L-L-L-LMC-LMC-LMC       
773  P-P-P-P-P-P-P-P-P-P-P-P-P-P-P-P 

Я могу подогнать и отобразить дерево регрессии:

seqt <- seqtree(biofam.seq~sex + birthyr, data=biofam)

seqtreedisplay(seqt, type="I", border=NA, withlegend= TRUE, legend.fontsize=2, legendtext = "Biofam Regression Tree")

Тогда я могу определить лист членства:

seqt$fitted[,1]

Это, однако, где я запутался. Как узнать, какой номер листа соответствует какому листу на графике? График, кажется, не отображает его, и работает print(seqt) тоже не дает листовых номеров.

Чего я хотел бы добиться, так это выделить последовательности в каждом листе, чтобы я мог запускать описания на каждом листе отдельно. Как я могу сделать это?

Answer 1

В настоящее время эта информация не может быть легко восстановлена ​​из дерева. Следующая функция возвращает вектор подогнанных значений, используя полное состояние дерева вместо метки узла.

dtlabels <- function(tree){
    if (!inherits(tree, "disstree")) {
        stop("tree should be a disstree object")
    }

    split_s <- function(sp){
        formd <- function (x){
            return(format(x, digits =getOption("digits")-2))
        }
        str_split <- character(2)
        vname <- colnames(tree$data)[sp$varindex]
        if (!is.null(sp$breaks)) {
            str_split[1] <- paste("<=", formd(sp$breaks))
            str_split[2] <- paste(">", formd(sp$breaks))
        }
        else {
            str_split[1] <- paste0("[", paste(sp$labels[sp$index==1], collapse=", "),"]")
            str_split[2] <- paste0("[", paste(sp$labels[sp$index==2], collapse=", "),"]")
        }
        if(!is.null(sp$naGroup)){
            str_split[sp$naGroup] <- paste(str_split[sp$naGroup], "with NA")
        }
        return(paste(vname, str_split))
    }
    labelEnv <- new.env()
    labelEnv$label <- list()
    addLabel <- function(n1, n2, val){
        id1 <- as.character(n1$id)
        id2 <- as.character(n2$id)
        labelEnv$label[[id2]] <- c(labelEnv$label[[id1]], val)
    }
    nodeRec <- function(node){
        if(!is.null(node$split)){
            spl <- split_s(node$split)
            addLabel(node, node$kids[[1]], spl[1])
            addLabel(node, node$kids[[2]], spl[2])
            nodeRec(node$kids[[1]])
            nodeRec(node$kids[[2]])
        }
    }
    nodeRec(tree$root)
    l2 <- list()
    for(nn in names(labelEnv$label)){
        l2[[nn]] <- paste0(labelEnv$label[[nn]], collapse=" & ")
    }
    l3 <- as.character(l2)
    names(l3) <- names(l2)
    return(factor(factor(tree$fitted[, 1], levels=as.numeric(names(l3)), labels=l3)))

}

Эту функцию затем можно использовать следующим образом.

fitted <- dtlabels(seqt)
print(table(fitted))

Надеюсь это поможет!

Answer 2

На самом деле, вы ищете правила, определенные в дереве. Вы видите их, глядя на дерево.

Например, самая левая ветка вашего примера seqt определяет правило:

birthyr <= 1940 & birthyr <= 1928

и самый нижний левый лист определяется как

birthyr <= 1940 & birthyr > 1928 & sex == "man"

Боюсь, однако. что ты прав. disstree объект, возвращенный TraMineR (ваш seqt) в настоящее время явно не содержит эту информацию. Возможно, в следующей версии.