Correction de la sortie de l'arbre postscript illisible dans r

Question

J'ai un arbre de classification relativement compliqué que j'essaie de produire. La sortie postscript qui en résulte semble très brouillée.

> fit = rpart(virility ~ friend_count + recip_count + twitter_handles + has_email + 
          has_bio + has_foursquare + has_linkedin + auto_tweet + 
          interaction_visibility + site_own_cnt + site_rec_cnt + has_url + 
          has_linkedin_url + lb_cnt, + mob_own_cnt + mob_rec_cnt + 
          twt_own_cnt + twt_rec_cnt, method="class", data=vir) 
> fit 
n= 9704 

node), split, n, loss, yval, (yprob) 
     * denotes terminal node 

1) root 9704 3742 virile (0.39970092 0.60029908) 
    2) recip_count< 15.5 9610 3159 mule (0.52005469 0.47994531) 
    4) site_own_cnt< 0.5 7201 1372 mule (0.65423387 0.34576613) 
     8) friend_count< 2.5 6763 948 mule (0.69566613 0.30433387) 
     16) has_bio>=0.5 4030 601 mule (0.73743993 0.26256007) * 
     17) has_bio< 0.5 2733 347 mule (0.57990315 0.42009685) 
      34) recip_count< 0.5 2496 88 mule (0.78000000 0.22000000) * 
      35) recip_count>=0.5 237 167 virile (0.39201878 0.60798122) * 
     9) friend_count>=2.5 438 424 mule (0.50293083 0.49706917) 
     18) lb_cnt< 2.5 427 344 mule (0.55208333 0.44791667) 
      36) has_foursquare< 0.5 401 257 mule (0.61353383 0.38646617) 
      72) twitter_handles>=0.5 382 210 mule (0.65742251 0.34257749) * 
      73) twitter_handles< 0.5 19 5 virile (0.09615385 0.90384615) * 
      37) has_foursquare>=0.5 26 16 virile (0.15533981 0.84466019) * 
     19) lb_cnt>=2.5 11 5 virile (0.05882353 0.94117647) * 
    5) site_own_cnt>=0.5 2409 827 virile (0.31637337 0.68362663) 
     10) recip_count< 0.5 1344 274 mule (0.62102351 0.37897649) 
     20) friend_count< 0.5 955 75 mule (0.81155779 0.18844221) * 
     21) friend_count>=0.5 389 126 virile (0.38769231 0.61230769) 
      42) twitter_handles< 0.5 62 3 mule (0.93181818 0.06818182) * 
      43) twitter_handles>=0.5 327 85 virile (0.30249110 0.69750890) * 
     11) recip_count>=0.5 1065 378 virile (0.19989424 0.80010576) * 
    3) recip_count>=15.5 94 319 virile (0.11474820 0.88525180) 
    6) friend_count< 2.5 40 265 virile (0.32435741 0.67564259) 
     12) site_rec_cnt>=1.5 24 175 mule (0.59112150 0.40887850) 
     24) site_rec_cnt< 4 13 46 mule (0.80257511 0.19742489) * 
     25) site_rec_cnt>=4 11 66 virile (0.33846154 0.66153846) * 
     13) site_rec_cnt< 1.5 16 12 virile (0.03084833 0.96915167) * 
    7) friend_count>=2.5 54 54 virile (0.02750891 0.97249109) * 

> post(fit, file = "/tmp/blah.ps", title = "virility model") 

Il en résulte:

Les nœuds de l'arbre sont tous moitié écrit sur le dessus de l'autre. Y a-t-il un moyen de rendre cette sortie raisonnablement lisible?

Answer 1

La méthode post pour rpart en fait appelle d'abord la méthode plot et la méthode text pour rpart. Cela signifie que vous pouvez étudier l'aide pour ?plot.rpart et ?text.rpart pour trouver des moyens d'améliorer la sortie de votre intrigue.

?text.rpart offre de très bons pointeurs. Je vous suggère d'essayer les paramètres suivants:

• fancy=FALSE enlèvera les ellipses et les boîtes. Votre intrigue est clairement trop occupée et grande pour avoir ceci. Le retirer augmentera la lisibilité.
• cex=0.8 réduira la taille de police à 0,8 de la taille normale. Des polices légèrement plus petites peuvent augmenter l'espacement entre les éléments de l'intrigue.

Voici un exemple de la différence que cela peut faire, en utilisant un modèle ajusté aux données diamondsggplot2:

library(ggplot2) 
library(rpart) 
fit <- rpart(price~. , diamonds) 

par(mfrow=c(1, 2)) 
plot(fit, main="Default settings") 
text(fit, fancy=TRUE) 

plot(fit, uniform=TRUE, main="fancy=FALSE") 
text(fit, fancy=FALSE, pretty=NULL, cex=0.8)