Home » date » 2010 » Dec » 14 »

Recursive Partitioning - Personal standards

*The author of this computation has been verified*

R Software Module: /rwasp_regression_trees1.wasp (opens new window with default values)

Title produced by software: Recursive Partitioning (Regression Trees)

Date of computation: Tue, 14 Dec 2010 16:36:03 +0000

Cite this page as follows:

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2.htm/, Retrieved Tue, 14 Dec 2010 17:34:35 +0100

BibTeX entries for LaTeX users:

@Manual{KEY,
    author = {{YOUR NAME}},
    publisher = {Office for Research Development and Education},
    title = {Statistical Computations at FreeStatistics.org, URL http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2.htm/},
    year = {2010},
}
@Manual{R,
    title = {R: A Language and Environment for Statistical Computing},
    author = {{R Development Core Team}},
    organization = {R Foundation for Statistical Computing},
    address = {Vienna, Austria},
    year = {2010},
    note = {{ISBN} 3-900051-07-0},
    url = {http://www.R-project.org},
}

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords:

Dataseries X:

» Textbox « » Textfile « » CSV «

25 11 7 8 23 25 17 6 17 8 25 30 18 8 12 9 19 22 16 10 12 7 29 22 20 10 11 4 25 25 16 11 11 11 21 23 18 16 12 7 22 17 17 11 13 7 25 21 30 12 16 10 18 19 23 8 11 10 22 15 18 12 10 8 15 16 21 9 9 9 20 22 31 14 17 11 20 23 27 15 11 9 21 23 21 9 14 13 21 19 16 8 15 9 24 23 20 9 15 6 24 25 17 9 13 6 23 22 25 16 18 16 24 26 26 11 18 5 18 29 25 8 12 7 25 32 17 9 17 9 21 25 32 12 18 12 22 28 22 9 14 9 23 25 17 9 16 5 23 25 20 14 14 10 24 18 29 10 12 8 23 25 23 14 17 7 21 25 20 10 12 8 28 20 11 6 6 4 16 15 26 13 12 8 29 24 22 10 12 8 27 26 14 15 13 8 16 14 19 12 14 7 28 24 20 11 11 8 25 25 28 8 12 7 22 20 19 9 9 7 23 21 30 9 15 9 26 27 29 15 18 11 23 23 26 9 15 6 25 25 23 10 12 8 21 20 21 12 14 9 24 22 28 11 13 6 22 25 23 14 13 10 27 25 18 6 11 8 26 17 20 8 16 10 24 25 21 10 11 5 24 26 28 12 16 14 22 27 10 5 8 6 24 19 22 10 15 6 20 22 31 10 21 12 26 32 29 13 18 12 21 21 22 10 13 8 19 18 23 10 15 10 21 23 20 9 19 10 16 20 18 8 15 10 22 21 25 14 11 5 15 17 21 8 10 etc...

Output produced by software:

Enter (or paste) a matrix (table) containing all data (time) series. Every column represents a different variable and must be delimited by a space or Tab. Every row represents a period in time (or category) and must be delimited by hard returns. The easiest way to enter data is to copy and paste a block of spreadsheet cells. Please, do not use commas or spaces to seperate groups of digits!

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	5 seconds
R Server	'RServer@AstonUniversity' @ vre.aston.ac.uk
R Framework error message	The field 'Names of X columns' contains a hard return which cannot be interpreted. Please, resubmit your request without hard returns in the 'Names of X columns'.

Goodness of Fit
Correlation	0.5184
R-squared	0.2687
RMSE	3.5948

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	25	24.9148936170213	0.0851063829787222
2	30	21.5833333333333	8.41666666666667
3	22	21.5833333333333	0.416666666666668
4	22	21.5833333333333	0.416666666666668
5	25	21.5833333333333	3.41666666666667
6	23	21.5833333333333	1.41666666666667
7	17	21.5833333333333	-4.58333333333333
8	21	21.5833333333333	-0.583333333333332
9	19	24.9148936170213	-5.91489361702128
10	15	21.5833333333333	-6.58333333333333
11	16	17.375	-1.375
12	22	21.5833333333333	0.416666666666668
13	23	24.9148936170213	-1.91489361702128
14	23	24.9148936170213	-1.91489361702128
15	19	21.5833333333333	-2.58333333333333
16	23	21.5833333333333	1.41666666666667
17	25	21.5833333333333	3.41666666666667
18	22	21.5833333333333	0.416666666666668
19	26	24.9148936170213	1.08510638297872
20	29	24.9148936170213	4.08510638297872
21	32	24.9148936170213	7.08510638297872
22	25	21.5833333333333	3.41666666666667
23	28	24.9148936170213	3.08510638297872
24	25	21.5833333333333	3.41666666666667
25	25	21.5833333333333	3.41666666666667
26	18	21.5833333333333	-3.58333333333333
27	25	24.9148936170213	0.0851063829787222
28	25	21.5833333333333	3.41666666666667
29	20	21.5833333333333	-1.58333333333333
30	15	17.375	-2.375
31	24	24.9148936170213	-0.914893617021278
32	26	21.5833333333333	4.41666666666667
33	14	17.375	-3.375
34	24	21.5833333333333	2.41666666666667
35	25	21.5833333333333	3.41666666666667
36	20	24.9148936170213	-4.91489361702128
37	21	21.5833333333333	-0.583333333333332
38	27	24.9148936170213	2.08510638297872
39	23	24.9148936170213	-1.91489361702128
40	25	24.9148936170213	0.0851063829787222
41	20	21.5833333333333	-1.58333333333333
42	22	21.5833333333333	0.416666666666668
43	25	24.9148936170213	0.0851063829787222
44	25	21.5833333333333	3.41666666666667
45	17	21.5833333333333	-4.58333333333333
46	25	21.5833333333333	3.41666666666667
47	26	21.5833333333333	4.41666666666667
48	27	24.9148936170213	2.08510638297872
49	19	21.5833333333333	-2.58333333333333
50	22	21.5833333333333	0.416666666666668
51	32	24.9148936170213	7.08510638297872
52	21	24.9148936170213	-3.91489361702128
53	18	21.5833333333333	-3.58333333333333
54	23	21.5833333333333	1.41666666666667
55	20	17.375	2.625
56	21	21.5833333333333	-0.583333333333332
57	17	24.9148936170213	-7.91489361702128
58	18	17.375	0.625
59	19	17.375	1.625
60	22	24.9148936170213	-2.91489361702128
61	14	21.5833333333333	-7.58333333333333
62	18	24.9148936170213	-6.91489361702128
63	35	24.9148936170213	10.0851063829787
64	29	21.5833333333333	7.41666666666667
65	21	21.5833333333333	-0.583333333333332
66	25	17.375	7.625
67	26	24.9148936170213	1.08510638297872
68	17	17.375	-0.375
69	25	21.5833333333333	3.41666666666667
70	20	21.5833333333333	-1.58333333333333
71	22	21.5833333333333	0.416666666666668
72	24	21.5833333333333	2.41666666666667
73	21	21.5833333333333	-0.583333333333332
74	26	24.9148936170213	1.08510638297872
75	24	21.5833333333333	2.41666666666667
76	16	21.5833333333333	-5.58333333333333
77	18	21.5833333333333	-3.58333333333333
78	19	21.5833333333333	-2.58333333333333
79	21	17.375	3.625
80	22	17.375	4.625
81	23	24.9148936170213	-1.91489361702128
82	29	24.9148936170213	4.08510638297872
83	21	17.375	3.625
84	23	21.5833333333333	1.41666666666667
85	27	24.9148936170213	2.08510638297872
86	25	24.9148936170213	0.0851063829787222
87	21	21.5833333333333	-0.583333333333332
88	10	17.375	-7.375
89	20	21.5833333333333	-1.58333333333333
90	26	21.5833333333333	4.41666666666667
91	24	24.9148936170213	-0.914893617021278
92	29	24.9148936170213	4.08510638297872
93	19	17.375	1.625
94	24	21.5833333333333	2.41666666666667
95	19	21.5833333333333	-2.58333333333333
96	22	21.5833333333333	0.416666666666668
97	17	24.9148936170213	-7.91489361702128
98	24	21.5833333333333	2.41666666666667
99	19	21.5833333333333	-2.58333333333333
100	19	21.5833333333333	-2.58333333333333
101	23	21.5833333333333	1.41666666666667
102	27	21.5833333333333	5.41666666666667
103	14	17.375	-3.375
104	22	21.5833333333333	0.416666666666668
105	21	24.9148936170213	-3.91489361702128
106	18	24.9148936170213	-6.91489361702128
107	20	21.5833333333333	-1.58333333333333
108	19	21.5833333333333	-2.58333333333333
109	24	21.5833333333333	2.41666666666667
110	25	21.5833333333333	3.41666666666667
111	29	24.9148936170213	4.08510638297872
112	28	24.9148936170213	3.08510638297872
113	17	21.5833333333333	-4.58333333333333
114	29	24.9148936170213	4.08510638297872
115	26	24.9148936170213	1.08510638297872
116	14	17.375	-3.375
117	26	21.5833333333333	4.41666666666667
118	20	21.5833333333333	-1.58333333333333
119	32	24.9148936170213	7.08510638297872
120	23	24.9148936170213	-1.91489361702128
121	21	21.5833333333333	-0.583333333333332
122	30	24.9148936170213	5.08510638297872
123	24	21.5833333333333	2.41666666666667
124	22	21.5833333333333	0.416666666666668
125	24	21.5833333333333	2.41666666666667
126	24	21.5833333333333	2.41666666666667
127	24	21.5833333333333	2.41666666666667
128	19	21.5833333333333	-2.58333333333333
129	31	24.9148936170213	6.08510638297872
130	22	24.9148936170213	-2.91489361702128
131	27	21.5833333333333	5.41666666666667
132	19	21.5833333333333	-2.58333333333333
133	21	21.5833333333333	-0.583333333333332
134	23	21.5833333333333	1.41666666666667
135	19	21.5833333333333	-2.58333333333333
136	19	21.5833333333333	-2.58333333333333
137	20	21.5833333333333	-1.58333333333333
138	23	21.5833333333333	1.41666666666667
139	17	21.5833333333333	-4.58333333333333
140	17	24.9148936170213	-7.91489361702128
141	17	21.5833333333333	-4.58333333333333
142	21	21.5833333333333	-0.583333333333332
143	21	24.9148936170213	-3.91489361702128
144	18	21.5833333333333	-3.58333333333333
145	19	21.5833333333333	-2.58333333333333
146	20	21.5833333333333	-1.58333333333333
147	15	21.5833333333333	-6.58333333333333
148	24	21.5833333333333	2.41666666666667
149	20	21.5833333333333	-1.58333333333333
150	22	24.9148936170213	-2.91489361702128
151	13	17.375	-4.375
152	19	21.5833333333333	-2.58333333333333
153	21	21.5833333333333	-0.583333333333332
154	23	21.5833333333333	1.41666666666667
155	16	21.5833333333333	-5.58333333333333
156	26	24.9148936170213	1.08510638297872
157	21	21.5833333333333	-0.583333333333332
158	21	21.5833333333333	-0.583333333333332
159	24	24.9148936170213	-0.914893617021278

Charts produced by software:

http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2/2oqcx1292344556.png (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2/2oqcx1292344556.ps (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2/3oqcx1292344556.png (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2/3oqcx1292344556.ps (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2/4hzci1292344556.png (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/14/t129234447491x63vtx5ccduj2/4hzci1292344556.ps (open in new window)

Parameters (Session):

par1 = 6 ; par2 = none ; par3 = 3 ; par4 = no ;

Parameters (R input):

par1 = 6 ; par2 = none ; par3 = 3 ; par4 = no ;

R code (references can be found in the software module):

library(party)

library(Hmisc)

par1 <- as.numeric(par1)

par3 <- as.numeric(par3)

x <- data.frame(t(y))

is.data.frame(x)

x <- x[!is.na(x[,par1]),]

k <- length(x[1,])

n <- length(x[,1])

colnames(x)[par1]

x[,par1]

if (par2 == 'kmeans') {

cl <- kmeans(x[,par1], par3)

print(cl)

clm <- matrix(cbind(cl$centers,1:par3),ncol=2)

clm <- clm[sort.list(clm[,1]),]

for (i in 1:par3) {

cl$cluster[cl$cluster==clm[i,2]] <- paste('C',i,sep='')

}

cl$cluster <- as.factor(cl$cluster)

print(cl$cluster)

x[,par1] <- cl$cluster

}

if (par2 == 'quantiles') {

x[,par1] <- cut2(x[,par1],g=par3)

}

if (par2 == 'hclust') {

hc <- hclust(dist(x[,par1])^2, 'cen')

print(hc)

memb <- cutree(hc, k = par3)

dum <- c(mean(x[memb==1,par1]))

for (i in 2:par3) {

dum <- c(dum, mean(x[memb==i,par1]))

}

hcm <- matrix(cbind(dum,1:par3),ncol=2)

hcm <- hcm[sort.list(hcm[,1]),]

for (i in 1:par3) {

memb[memb==hcm[i,2]] <- paste('C',i,sep='')

}

memb <- as.factor(memb)

print(memb)

x[,par1] <- memb

}

if (par2=='equal') {

ed <- cut(as.numeric(x[,par1]),par3,labels=paste('C',1:par3,sep=''))

x[,par1] <- as.factor(ed)

}

table(x[,par1])

colnames(x)

colnames(x)[par1]

x[,par1]

if (par2 == 'none') {

m <- ctree(as.formula(paste(colnames(x)[par1],' ~ .',sep='')),data = x)

}

load(file='createtable')

if (par2 != 'none') {

m <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data = x)

if (par4=='yes') {

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'10-Fold Cross Validation',3+2*par3,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'',1,TRUE)

a<-table.element(a,'Prediction (training)',par3+1,TRUE)

a<-table.element(a,'Prediction (testing)',par3+1,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'Actual',1,TRUE)

for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)

a<-table.element(a,'CV',1,TRUE)

for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)

a<-table.element(a,'CV',1,TRUE)

a<-table.row.end(a)

for (i in 1:10) {

ind <- sample(2, nrow(x), replace=T, prob=c(0.9,0.1))

m.ct <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data =x[ind==1,])

if (i==1) {

m.ct.i.pred <- predict(m.ct, newdata=x[ind==1,])

m.ct.i.actu <- x[ind==1,par1]

m.ct.x.pred <- predict(m.ct, newdata=x[ind==2,])

m.ct.x.actu <- x[ind==2,par1]

} else {

m.ct.i.pred <- c(m.ct.i.pred,predict(m.ct, newdata=x[ind==1,]))

m.ct.i.actu <- c(m.ct.i.actu,x[ind==1,par1])

m.ct.x.pred <- c(m.ct.x.pred,predict(m.ct, newdata=x[ind==2,]))

m.ct.x.actu <- c(m.ct.x.actu,x[ind==2,par1])

}

}

print(m.ct.i.tab <- table(m.ct.i.actu,m.ct.i.pred))

numer <- 0

for (i in 1:par3) {

print(m.ct.i.tab[i,i] / sum(m.ct.i.tab[i,]))

numer <- numer + m.ct.i.tab[i,i]

}

print(m.ct.i.cp <- numer / sum(m.ct.i.tab))

print(m.ct.x.tab <- table(m.ct.x.actu,m.ct.x.pred))

numer <- 0

for (i in 1:par3) {

print(m.ct.x.tab[i,i] / sum(m.ct.x.tab[i,]))

numer <- numer + m.ct.x.tab[i,i]

}

print(m.ct.x.cp <- numer / sum(m.ct.x.tab))

for (i in 1:par3) {

a<-table.row.start(a)

a<-table.element(a,paste('C',i,sep=''),1,TRUE)

for (jjj in 1:par3) a<-table.element(a,m.ct.i.tab[i,jjj])

a<-table.element(a,round(m.ct.i.tab[i,i]/sum(m.ct.i.tab[i,]),4))

for (jjj in 1:par3) a<-table.element(a,m.ct.x.tab[i,jjj])

a<-table.element(a,round(m.ct.x.tab[i,i]/sum(m.ct.x.tab[i,]),4))

a<-table.row.end(a)

}

a<-table.row.start(a)

a<-table.element(a,'Overall',1,TRUE)

for (jjj in 1:par3) a<-table.element(a,'-')

a<-table.element(a,round(m.ct.i.cp,4))

for (jjj in 1:par3) a<-table.element(a,'-')

a<-table.element(a,round(m.ct.x.cp,4))

a<-table.row.end(a)

a<-table.end(a)

table.save(a,file='mytable3.tab')

}

}

m

bitmap(file='test1.png')

plot(m)

dev.off()

bitmap(file='test1a.png')

plot(x[,par1] ~ as.factor(where(m)),main='Response by Terminal Node',xlab='Terminal Node',ylab='Response')

dev.off()

if (par2 == 'none') {

forec <- predict(m)

result <- as.data.frame(cbind(x[,par1],forec,x[,par1]-forec))

colnames(result) <- c('Actuals','Forecasts','Residuals')

print(result)

}

if (par2 != 'none') {

print(cbind(as.factor(x[,par1]),predict(m)))

myt <- table(as.factor(x[,par1]),predict(m))

print(myt)

}

bitmap(file='test2.png')

if(par2=='none') {

op <- par(mfrow=c(2,2))

plot(density(result$Actuals),main='Kernel Density Plot of Actuals')

plot(density(result$Residuals),main='Kernel Density Plot of Residuals')

plot(result$Forecasts,result$Actuals,main='Actuals versus Predictions',xlab='Predictions',ylab='Actuals')

plot(density(result$Forecasts),main='Kernel Density Plot of Predictions')

par(op)

}

if(par2!='none') {

plot(myt,main='Confusion Matrix',xlab='Actual',ylab='Predicted')

}

dev.off()

if (par2 == 'none') {

detcoef <- cor(result$Forecasts,result$Actuals)

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'Goodness of Fit',2,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'Correlation',1,TRUE)

a<-table.element(a,round(detcoef,4))

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'R-squared',1,TRUE)

a<-table.element(a,round(detcoef*detcoef,4))

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'RMSE',1,TRUE)

a<-table.element(a,round(sqrt(mean((result$Residuals)^2)),4))

a<-table.row.end(a)

a<-table.end(a)

table.save(a,file='mytable1.tab')

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'Actuals, Predictions, and Residuals',4,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'#',header=TRUE)

a<-table.element(a,'Actuals',header=TRUE)

a<-table.element(a,'Forecasts',header=TRUE)

a<-table.element(a,'Residuals',header=TRUE)

a<-table.row.end(a)

for (i in 1:length(result$Actuals)) {

a<-table.row.start(a)

a<-table.element(a,i,header=TRUE)

a<-table.element(a,result$Actuals[i])

a<-table.element(a,result$Forecasts[i])

a<-table.element(a,result$Residuals[i])

a<-table.row.end(a)

}

a<-table.end(a)

table.save(a,file='mytable.tab')

}

if (par2 != 'none') {

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'Confusion Matrix (predicted in columns / actuals in rows)',par3+1,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'',1,TRUE)

for (i in 1:par3) {

a<-table.element(a,paste('C',i,sep=''),1,TRUE)

}

a<-table.row.end(a)

for (i in 1:par3) {

a<-table.row.start(a)

a<-table.element(a,paste('C',i,sep=''),1,TRUE)

for (j in 1:par3) {

a<-table.element(a,myt[i,j])

}

a<-table.row.end(a)

}

a<-table.end(a)

table.save(a,file='mytable2.tab')

}

This work is licensed under a Creative Commons Attribution-Noncommercial-Share Alike 3.0 License.

Software written by Ed van Stee & Patrick Wessa

Disclaimer

Information provided on this web site is provided "AS IS" without warranty of any kind, either express or implied, including, without limitation, warranties of merchantability, fitness for a particular purpose, and noninfringement. We use reasonable efforts to include accurate and timely information and periodically update the information, and software without notice. However, we make no warranties or representations as to the accuracy or completeness of such information (or software), and we assume no liability or responsibility for errors or omissions in the content of this web site, or any software bugs in online applications. Your use of this web site is AT YOUR OWN RISK. Under no circumstances and under no legal theory shall we be liable to you or any other person for any direct, indirect, special, incidental, exemplary, or consequential damages arising from your access to, or use of, this web site.

We may request personal information to be submitted to our servers in order to be able to:

personalize online software applications according to your needs
enforce strict security rules with respect to the data that you upload (e.g. statistical data)
manage user sessions of online applications
alert you about important changes or upgrades in resources or applications

We NEVER allow other companies to directly offer registered users information about their products and services. Banner references and hyperlinks of third parties NEVER contain any personal data of the visitor.

We do NOT sell, nor transmit by any means, personal information, nor statistical data series uploaded by you to third parties.

We carefully protect your data from loss, misuse, alteration, and destruction. However, at any time, and under any circumstance you are solely responsible for managing your passwords, and keeping them secret.

We store a unique ANONYMOUS USER ID in the form of a small 'Cookie' on your computer. This allows us to track your progress when using this website which is necessary to create state-dependent features. The cookie is used for NO OTHER PURPOSE. At any time you may opt to disallow cookies from this website - this will not affect other features of this website.

We examine cookies that are used by third-parties (banner and online ads) very closely: abuse from third-parties automatically results in termination of the advertising contract without refund. We have very good reason to believe that the cookies that are produced by third parties (banner ads) do NOT cause any privacy or security risk.

FreeStatistics.org is safe. There is no need to download any software to use the applications and services contained in this website. Hence, your system's security is not compromised by their use, and your personal data - other than data you submit in the account application form, and the user-agent information that is transmitted by your browser - is never transmitted to our servers.

As a general rule, we do not log on-line behavior of individuals (other than normal logging of webserver 'hits'). However, in cases of abuse, hacking, unauthorized access, Denial of Service attacks, illegal copying, hotlinking, non-compliance with international webstandards (such as robots.txt), or any other harmful behavior, our system engineers are empowered to log, track, identify, publish, and ban misbehaving individuals - even if this leads to ban entire blocks of IP addresses, or disclosing user's identity.

FreeStatistics.org is powered by