條件推斷樹

• 條件推斷樹

條件推斷樹與傳統決策樹相似，但變量和分割的選取是基於顯著性檢驗的，而不是純進度或同質性一類的度量。 顯著性檢驗是置換檢驗

• 算法

（1）對輸出變量與每一個預測變量間的關係計算 p 值

（2）選擇 p 值最小的變量

（3）在因變量與被選中的變量間嘗試全部可能的二元分割（經過排列檢驗），並選取最顯著的分割

（4）將數據集分紅兩羣，並對每一個子羣重複上述步驟

（5）重複至全部分割都不顯著或已到達最小節點爲止

條件推斷樹可由 party包中的 ctree() 函數得到  

> library(party)
> fit.ctree <- ctree(class~.,data = df.train)  #生成樹
> plot(fit.ctree,main="Conditional Inference Tree")  #以下圖1

>ctree.perd <- predict(fit.ctree,df.validate,type = "response")  #對訓練集外樣本單元分類
> ctree.perf <- table(df.validate,ctree.perd,dnn = c("Actual","Predcted"))
> ctree.perf
           Predicted
Actual      benign malignant
  benign       122         7
  malignant      3        78

                        圖1 乳腺癌的條件推斷樹

 每一個節點中的陰影區域表明這個節點對應的惡性腫瘤比例