18  决策树可视化

决策树的可视化我们之前介绍过，主要是使用rpart.plot包和partykit包，视觉效果还是不错的。这里再给大家介绍一个更加花里胡哨的R包：treeheatr

18.1 安装

install.packages('treeheatr')

# install.packages('remotes') # uncomment to install devtools
remotes::install_github('trangdata/treeheatr')

18.2 使用

可以直接提供数据框，它会自动帮你进行条件推断树，并画出结果：

library(treeheatr)

heat_tree(penguins, target_lab = 'species')

非常多的参数可以自定义，真的是太花里胡哨了！非常强！我喜欢！

heat_tree(
  penguins, target_lab = 'species',
  par_node_vars = list(
    label.size = 0.2,
    label.padding = ggplot2::unit(0.1, 'lines'),
    line_list = list(
      ggplot2::aes(label = paste('Node', id)),
      ggplot2::aes(label = splitvar),
      ggplot2::aes(label = paste('p =', formatC(p.value, format = 'e', digits = 2)))),
    line_gpar = list(
      list(size = 8),
      list(size = 8),
      list(size = 6)),
    id = 'inner'),
  # terminal_vars = list(size = 0),
  #cont_legend = TRUE, cate_legend = TRUE,
  edge_vars = list(size = 1, color = 'grey'))

当然也是支持你自己先把树做好，然后提供给它，不过此时需要是a 'party' or 'partynode' object

# build tree using rpart:
x <- partykit::as.party(rpart::rpart(Outcome ~ ., data = train_covid))

heat_tree(x = x, label_map = c(`1` = 'Deceased', `0` = 'Survived'))

而且，支持支持在测试集中使用，顺滑又流畅，做演示用非常炫酷！

heat_tree(
  x = x,
  data_test = test_covid, # 测试集
  target_lab = 'Outcome',
  label_map = c(`1` = 'Death', `0` = 'Survival'),
  lev_fac = 3)

更多细节大家去官网学习：https://trang1618.github.io/treeheatr/index.html