Comment calculer le taux d'erreur à partir d'un arbre de décision?

En supposant que vous entendez le calcul du taux d'erreur sur l'échantillon utilisé pour l'ajustement du modèle, vous pouvez utiliser printcp(). Par exemple, à l'aide de l'exemple,

> library(rpart)
> fit <- rpart(Kyphosis ~ Age + Number + Start, data=kyphosis)
> printcp(fit)

Classification tree:
rpart(formula = Kyphosis ~ Age + Number + Start, data = kyphosis)

Variables actually used in tree construction:
[1] Age   Start

Root node error: 17/81 = 0.20988

n= 81 

        CP nsplit rel error  xerror    xstd
1 0.176471      0   1.00000 1.00000 0.21559
2 0.019608      1   0.82353 0.82353 0.20018
3 0.010000      4   0.76471 0.82353 0.20018

La Root node error est utilisé pour calculer les deux mesures de la performance prédictive, lorsque l'on considère les valeurs affichées dans la rel error et xerror colonne, et en fonction de la complexité de paramètre (première colonne):

• 0.76471 x 0.20988 = 0.1604973 (16.0%) est le resubstitution taux d'erreur (c'est à dire, le taux d'erreur calculé sur la formation de l'échantillon) -- c'est à peu près

  class.pred <- table(predict(fit, type="class"), kyphosis$Kyphosis)
  1-sum(diag(class.pred))/sum(class.pred)

• 0.82353 x 0.20988 = 0.1728425 (17.2%) est le validation croisée de taux d'erreur (à l'aide de 10 fois le CV, voir xval dans rpart.control(); mais voir aussi xpred.rpart() et plotcp() qui s'appuie sur ce type de mesure). Cette mesure est un indicateur plus objectif de l'exactitude de prévision.

Remarque qu'il est plus ou moins en accord avec exactitude de la classification de tree:

> library(tree)
> summary(tree(Kyphosis ~ Age + Number + Start, data=kyphosis))

Classification tree:
tree(formula = Kyphosis ~ Age + Number + Start, data = kyphosis)
Number of terminal nodes:  10 
Residual mean deviance:  0.5809 = 41.24 / 71 
Misclassification error rate: 0.1235 = 10 / 81 

où Misclassification error rate est calculé à partir de la formation de l'échantillon.