使用決策樹來最大化連續變量如利潤

Question

我有一個利潤作爲目標變量和約100個不同的預測變量（一些二進制，一些連續的和一些字符）的數據集。

R中是否有一個決策樹軟件包，可以使用這個軟件包，它可以爲桶（或終端節點）提供利潤最大化（最好> 0）？

目前我一直在使用partykit包中的ctree。被分割的樹總是在預測變量上給出好的分割，但是末端節點總是導致負利潤。

我也很難理解節點端的結果。這些往往是'N ='和'錯誤='。有什麼方法可以獲得'利潤='，以便您可以看到最好的最終節點是什麼？

非常感謝，

Answer 1

簡單的事情，第一：瞭解在每個終端節點打印結果。考慮以下簡單的（不是特別有用）ctree該模型停止dist ANCE的cars如何依賴於他們的speed：

library("partykit") 
ctree(dist ~ speed, data = cars) 
## 
## Model formula: 
## dist ~ speed 
## 
## Fitted party: 
## [1] root 
## | [2] speed <= 17 
## | | [3] speed <= 12: 18.200 (n = 15, err = 1176.4) 
## | | [4] speed > 12: 39.750 (n = 16, err = 3535.0) 
## | [5] speed > 17: 65.263 (n = 19, err = 9015.7) 
## 
## Number of inner nodes: 2 
## Number of terminal nodes: 3 

這意味着，例如，在節點5有其平均停止dist19觀察與speed > 17 ance爲65.263，對應於err或9015.7的平方和。

因此，首先給出目標變量的均值（在n和err之前），並且是您最感興趣的。爲了最大化目標變量，您可以選擇具有最高預測均值的終端節點。

最後，我不知道直接致力於利潤最大化的樹方法。標準樹方法試圖以某種方式找到同質的終端節點。 （這裏的平均目標值近似不變）。