私はRパッケージGBMを、おそらく予測モデリングの最初の選択肢として使用しています。このアルゴリズムには多くの優れた点がありますが、「悪い点」の1つは、モデルコードを使用してR以外の新しいデータを簡単にスコアリングできないことです。SASまたは他のシステムで使用できるコードを記述したいと思います（ SAS（IMLへのアクセスなし））。
次のデータセット（GBMマニュアルから）とモデルコードがあるとしましょう：
library(gbm)
set.seed(1234)
N <- 1000
X1 <- runif(N)
X2 <- 2*runif(N)
X3 <- ordered(sample(letters[1:4],N,replace=TRUE),levels=letters[4:1])
X4 <- factor(sample(letters[1:6],N,replace=TRUE))
X5 <- factor(sample(letters[1:3],N,replace=TRUE))
X6 <- 3*runif(N)
mu <- c(-1,0,1,2)[as.numeric(X3)]
SNR <- 10 # signal-to-noise ratio
Y <- X1**1.5 + 2 * (X2**.5) + mu
sigma <- sqrt(var(Y)/SNR)
Y <- Y + rnorm(N,0,sigma)
# introduce some missing values
#X1[sample(1:N,size=500)] <- NA
X4[sample(1:N,size=300)] <- NA
X3[sample(1:N,size=30)] <- NA
data <- data.frame(Y=Y,X1=X1,X2=X2,X3=X3,X4=X4,X5=X5,X6=X6)
# fit initial model
gbm1 <- gbm(Y~X1+X2+X3+X4+X5+X6, # formula
data=data, # dataset
var.monotone=c(0,0,0,0,0,0), # -1: monotone decrease,
distribution="gaussian",
n.trees=2, # number of trees
shrinkage=0.005, # shrinkage or learning rate,
# 0.001 to 0.1 usually work
interaction.depth=5, # 1: additive model, 2: two-way interactions, etc.
bag.fraction = 1, # subsampling fraction, 0.5 is probably best
train.fraction = 1, # fraction of data for training,
# first train.fraction*N used for training
n.minobsinnode = 10, # minimum total weight needed in each node
cv.folds = 5, # do 5-fold cross-validation
keep.data=TRUE, # keep a copy of the dataset with the object
verbose=TRUE) # print out progress
pretty.gbm.treeこれで、次のように使用して個々の木を見ることができます
pretty.gbm.tree(gbm1,i.tree = 1)[1:7]
これは
SplitVar SplitCodePred LeftNode RightNode MissingNode ErrorReduction Weight
0 2 1.5000000000 1 8 15 983.34315 1000
1 1 1.0309565491 2 6 7 190.62220 501
2 2 0.5000000000 3 4 5 75.85130 277
3 -1 -0.0102671518 -1 -1 -1 0.00000 139
4 -1 -0.0050342273 -1 -1 -1 0.00000 138
5 -1 -0.0076601353 -1 -1 -1 0.00000 277
6 -1 -0.0014569934 -1 -1 -1 0.00000 224
7 -1 -0.0048866747 -1 -1 -1 0.00000 501
8 1 0.6015416372 9 10 14 160.97007 469
9 -1 0.0007403551 -1 -1 -1 0.00000 142
10 2 2.5000000000 11 12 13 85.54573 327
11 -1 0.0046278704 -1 -1 -1 0.00000 168
12 -1 0.0097445692 -1 -1 -1 0.00000 159
13 -1 0.0071158065 -1 -1 -1 0.00000 327
14 -1 0.0051854993 -1 -1 -1 0.00000 469
15 -1 0.0005408284 -1 -1 -1 0.00000 30
マニュアルページ18は、次のことを示しています。
マニュアルに基づくと、最初の分割は、gbm1$var.names[3]「X3」である3番目の変数（この出力ではゼロ）で発生します。変数は順序付き因子です。
types<-lapply (lapply(data[,gbm1$var.names],class), function(i) ifelse (strsplit(i[1]," ")[1]=="ordered","ordered",i))
types[3]
したがって、分割は1.5であり、値'dおよびc' levels[[3]][1:2.5]（これもゼロベース）が左ノードに分割され、他の値levels[[3]][3:4]は右に移動することを意味します。
次に、ルールは、gbm1$var.names[2]インデックス1の行のSplitVar=1で示されるように分割を続行します。
誰かがこのデータ構造を（ツリーごとに）移動するために何かを書き、次のようなルールを作成しましたか？
"X3 in（'d'、'c'）およびX2 <1.0309565491およびX3in（'d'）の場合、scoreTreeOne = -0.0102671518"
これが、このツリーの最初のルールが読み取る方法だと思います。
または、これを行うための最善の方法についてアドバイスがありますか？