Decision Tree: CHAID¶

chaid: CHi-squared Automated Interaction Detection

r.chaid utilizza l’algoritmo CHAID (CHi-squared Automated Interaction Detection [1]) per determinare un modello predittivo di classificazione albero decisionale. Sono accettate solo variabili nominali o ordinali.

Argomenti: [2]

varname => varlist: un hash con la variabile dipendente e l’elenco delle variabili indipendenti
:scale => varlist: specifica le variabili singole che devono essere considerate come ordinali
:weight => varname: il nome di una variabile di ponderazione
:tree => :party: metodo utilizzato per la generazione del grafico (default: :party)
alpha2: level of significance used for merging of predictor categories (step 2)
alpha3: if set to a positive value $< 1$, level of significance used for the the splitting of former merged categories of the predictor (step 3). Otherwise, step 3 is omitted (the default)
alpha4: level of significance used for splitting of a node in the most significant predictor (step 5)
minsplit: number of observations in splitted response at which no further split is desired
minbucket: minimum number of observations in terminal nodes
minprob: mininimum frequency of observations in terminal nodes
stump: only root node splits are performed
maxheight: maximum height for the tree

Tabelle disponibili:

:analysis: riepilogo dei parametri dell’analisi

:nodes: tabella dei nodi generati

:varimp: importanza relativa delle variabili

Grafici disponibili:

:tree: il grafico ad albero

:varimp: importanza relativa delle variabili

Attenzione

In caso di problemi con l’installazione del package CHAID, installarlo direttamente in r con l’istruzione:

install.packages("CHAID", repos="http://R-Forge.R-project.org")

deplist = ["businesstravel", "department", "education", "educationfield", "environmentsatisfaction",
           "gender", "jobinvolvement", "joblevel", "jobrole", "jobsatisfaction", "maritalstatus", "numcompaniesworked",
           "overtime", "performancerating", "relationshipsatisfaction", "stockoptionlevel", "trainingtimeslastyear", "worklifebalance"]
r.chaid :attrition => deplist, :maxheight => 3

Note

[1]	Kass (1980) An Exploratory Technique for Investigating Large Quantities of Categorical Data, Journal of the Royal Statistical Society. Series C (Applied Statistics) Vol. 29, No. 2, pp. 119-127 (9 pages), Wiley

[2]	Consultare Analisi per l’elenco dei parametri generali.