~elachuni/chaid/partykit

 

library("partykit")

library("rpart")

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

 

pfit <- as.party(fit)

 

all(predict(pfit, newdata = kyphosis, type = "node") == fit$where)

 

library("RWeka")

library("rJava")

 

itree <- J48(Species ~ ., data = iris)

pitree <- as.party(itree)

all(predict(pitree) == predict(pitree, newdata = iris[, 3:4]))

 

all.equal(predict(itree, type = "prob", newdata = iris), predict(pitree, type = "prob", newdata = iris))

all.equal(predict(itree,  newdata = iris), predict(pitree, newdata = iris))

 

data("GlaucomaM", package = "ipred")

 

w <- runif(nrow(GlaucomaM))

fit <- rpart(Class ~ ., data = GlaucomaM, weights = w)

pfit <- as.party(fit)

all(predict(pfit, type = "node") == fit$where)

tmp <- GlaucomaM[sample(1:nrow(GlaucomaM), 100),]

all.equal(predict(fit, type = "prob", newdata = tmp), predict(pfit, type = "prob", newdata = tmp))

all.equal(predict(fit, type = "class", newdata = tmp), predict(pfit, newdata = tmp))                             

 

itree <- J48(Class ~ ., data = GlaucomaM)

pitree <- as.party(itree)

all.equal(predict(itree, newdata = tmp, type = "prob"), predict(pitree, newdata = tmp, type = "prob"))

 

 

data("airquality")

aq <- subset(airquality, !is.na(Ozone))

 

w <- runif(nrow(aq), max = 3)

aqr <- rpart(Ozone ~ ., data = aq, weights = w)

aqp <- as.party(aqr)

 

tmp <- subset(airquality, is.na(Ozone))

all.equal(predict(aqr, newdata = tmp), predict(aqp, newdata = tmp))

 

data("GBSG2", package = "ipred")

library("survival")

fit <- rpart(Surv(time, cens) ~ ., data = GBSG2)

pfit <- as.party(fit)

pfit$fitted

predict(pfit, newdata = GBSG2[1:100,], type = "prob")

predict(pfit, newdata = GBSG2[1:100,], type = "response")

 

dgp <- function(n)

    data.frame(y = gl(4, n), x1 = rnorm(4 * n), x2 = rnorm(4 * n))

 

learn <- dgp(100)

fit <- as.party(rpart(y ~ ., data = learn))

test <- dgp(100000)

system.time(id <- fitted_node(node_party(fit), test))

system.time(yhat <- predict_party(fit, id = id, newdata = test))

 

### multiple responses

f <- fitted(pfit)

f[["(response)"]] <- data.frame(srv = f[["(response)"]], hansi = runif(nrow(f)))

mp <- party(node_party(pfit), fitted = f, data = pfit$data)

class(mp) <- c("constparty", "party")

 

predict(mp, newdata = GBSG2[1:10,])

 

### predictions in info slots

tmp <- data.frame(x = rnorm(100))

pfit <- party(node = partynode(1L, split = partysplit(1L, breaks = 0), 

              kids = list(partynode(2L, info = -0.5), partynode(3L, info = 0.5))), data = tmp)

pfit

p <- predict(pfit, newdata = tmp)

p

table(p, sign(tmp$x))