分类与回归树（CART）方法是一种机器学习方法，具有很好的数据拟合性、较高的R2值和较低的RMSE，是一种很好的探索性方法，其目的是确定分类与预测规则。CART以其高精度和高性能在不同的工程领域得到了广泛的应用。具体介绍就不在赘述，可以参考百度（有很多），这里直接上代码。本实例以我的研究为例。主要工具是采用R语言包进行结果的输出。

主要步骤：

1 首先主要采用的是R语言中的Cubist包，输入代码前要先进行安装，install.packet('Cubist'),安装成功后可直接运行。

2 数据准备：

这一步相对比较简单，将因变量与自变量按列排列即可，该实例中自变量既可以是数值形式也可以是文本形式，如下数据格式：

image.png

3 复制代码，注意修改自己的路径。下述代码将原始数据分为test和train两部分，结合自身情况可以进一步输出。

library(Cubist)
library(caret)
setwd("I:\\01-data\\Global\\flux\\FLUXNET2015\\04Result\\RV3_年值03_合并所有年份\\")
data = read.csv("I:\\01-data\\Global\\flux\\FLUXNET2015\\04Result\\RV3_年值03_合并所有年份\\NPP_yearly.csv",header = T)

set.seed(1) # 设置种子，保证生成的随机数不发生变化
inTrain <- sample(1:nrow(data), floor(.8*nrow(data)))

#===========================================自变量
# 训练数据集（前13列）
train_pred <- data[ inTrain, 6:11]
# 随机样本剩余的数据(前13列)
test_pred  <- data[-inTrain, 6:11]
#==========================================因变量（目标变量）
train_resp <- data$NPP[ inTrain]
test_resp  <- data$NPP[-inTrain]

#======这一步是为了确定参数，选择怎杨的committees和neighbors值模拟的RMSE可以达到最小
grid <- expand.grid(committees = c(1,10,20,50,100),
                    neighbors = c(0,1,3,5,7,9))
set.seed(1)
boston_tuned <- train(
  x = train_pred,
  y = train_resp,
  method = "cubist",
  tuneGrid = grid,
  trControl = trainControl(method = "cv")
  #trControl = trainControl(method = "repeatedcv",number = 10,repeats = 10) 
  )
#------------------trainControl()--------------------------------------
# method表示进行重采样方法 cv:cross validation,number表示 k折交叉验证，repeats表示重复交叉验证的次数
boston_tuned
ggplot(boston_tuned) +
  theme(legend.position = "top")

# ================cubistControl()======================
# unbiased:无偏估计，rules：表示规则的最大上限，
# extrapolation:表示最大值最小值外推的上限百分比，比如范围0-100，那训练外推到100+10%，0-10%
# sample：表示80%的样本进行训练，剩下的20%测试,
# seed：随机种子，sample.int(x,size): 表示在1：x之间产生size个随机数，size为整数
# label：表示目标变量

# cubistControl(unbiased = FALSE, rules = 100, extrapolation = 5)

# =================cubist()===========================
# X ：表示自变量组成的子集，Y：表示目标变量，
# committees:The committee option can be used to control number of model trees,
# 可以根据上述boston_tuned进行最优选择，control = cubistControl() ：训练规则
model_tree = cubist(x = train_pred, y = train_resp) 

# ==============summary()=============================
# summary() 表示生产的规则
rule = summary(model_tree)
# sink("test.log", type=c("output", "message"))  # 将控制台输出内容保存，即将生成的规则保存用于后续应用

# ===============predict()============================
# predict() 表示对验证数据的预测，用于检验模型的精度
# models 为上述的cubist结果，validation_data[,2:5]为验证数据集，
# neighbors：表示使用多少实例来纠正基于规则的预测? 可以根据上述boston_tuned进行最优选择
model_tree_pred <- predict(model_tree, test_pred)
yanzheng = data.frame(test_resp,model_tree_pred)
sqrt = sqrt(mean((model_tree_pred - test_resp)^2))
cor = cor(model_tree_pred, test_resp)^2
print(cor)
write.csv(yanzheng,"I:\\01-data\\Global\\flux\\FLUXNET2015\\04Result\\RV3_年值03_合并所有年份\\validation_yearly_test.csv",quote =F,row.names = F)

#==============dotplot()==============================
# 输出的是 每一个回归方程的系数以及截距（常数项）在每一个规则上的值
# dotplot(model1,what = "coefs",col = "blue",lwd = 10)

4 结果解读

image.png

这是代码生成的模型规则集（rule sets）committees空值模型的数量
针对上述生成的规则，采用python进行栅格结果的确定