剧集
FFTrees：用于创建、可视化和使用快速节俭决策树的 R 包
替换为 Nathaniel Phillips
useR！2017： FFTrees： 要创建的 R 包，可视化...
关键字：决策树、决策、打包、可视化
网页： https://cran.r-project.org/web/packages/FFTrees/https://rpubs.com/username/project
许多复杂的实际问题需要快速准确的分类决策。 一位急诊室医生面对病人抱怨胸痛需要迅速决定病人是否心脏病发作。 一个失去的徒步旅行者，发现一片蘑菇，需要决定他们是安全的吃，还是有毒的。 一位股票投资组合顾问看到，凌晨3点14分，一位有影响力的人物在推特上说，他投入了大量投资的5家公司，需要决定是否移动股票或坐紧。 这些决定具有重要的后果，必须在时间压力下做出，信息有限。 人们如何和应该做出这样的决定？ 一种有效的方法是使用快速节俭决策树（FFT）。 FFT 是简单的启发式，允许用户根据有限的信息做出快速、准确的决策（吉根泽和戈德斯坦 1996 年）：马蒂尼翁、卡齐科普洛斯和沃克2008年。 与补偿决策算法（如回归）或计算密集型算法（如随机林）相比，FFT 允许人们在无需统计训练或计算设备的情况下快速做出快速决策。 由于它们如此易于实施，因此在应用决策领域（如急诊室）特别有用，人们需要能够快速透明地做出决策（格拉德威尔 2007 年;格林和梅尔 1997）
虽然 FFT 易于实现，但实际上从数据构造有效的 FFT 不太简单。 虽然已经提出了几个 FFT 构造算法 15 （达米和艾顿 2001;马蒂尼翁、卡齐科普洛斯和沃克 2008：Martignon et al. 2003）， 没有一个编程和分发在易于使用和记录良好的工具。 本文的目的是通过引入 FFTrees（Philips 2016）、R 核心团队 2016（R Core Team 2016）来填补这一空白，让任何人都可以根据自己的数据创建、评估和可视化 FFT。 该包需要最少的编码，由许多示例记录，并提供定量性能度量值和视觉显示，显示树中每个级别的事例分类方式。
此演示分为三个部分：第 1 部分提供了关于二元分类决策任务的理论背景，并说明了 FFT 如何解决它们。 第 2 部分提供了有关如何使用 FFTrees 包从数据构造和评估 FFT 的 5 步教程。 最后，第 3 节将 FFTrees 的预测性能与逻辑回归和随机林等替代算法进行比较。 为了预览我们的结果，我们发现 FFTrees 创建的树效率更高，并且与各种应用数据集中这些算法中最好的算法一样准确。 此外，它们生成的树比标准决策树算法（如 rpart （Therneau、Atkinson 和 Ripley 2015）要简单得多，同时主演类似的预测性能。
引用达米、曼迪普 K 和彼得·艾顿。 2001. “保释和监禁快速和节俭的方式。 行为决策 杂志 14 （2）。 威利在线图书馆：141-68。
吉格伦泽、格德和丹尼尔·戈德斯坦。 1996. “推理快速和节俭的方式：有限理性的模型。 心理评论 103 （4）。 美国心理协会：650。
格拉德威尔，马尔科姆 2007. 闪烁：没有思考的思维的力量。 后湾书籍。
格林、李和大卫·梅尔。 1997. “什么改变了医生决定承认冠状护理单位？ 家庭实践 杂志 45 （3）。 [纽约，阿普顿世纪克罗夫茨]：219-26。
马蒂农、劳拉、康斯坦蒂诺斯·卡齐科普洛斯和扬·克·沃克。 2008. “使用有限资源分类：一系列简单的启发式。 数学心理学 杂志 52 （6）。 Elsevier：352-61。
马蒂农、劳拉、奥利弗·维托克、马萨诺里·武扎瓦和马尔科姆·弗斯特。 2003. “天真又开明：从自然频率到快速节俭决策树。 思考：关于推理、判断和决策的心理视角，189-211。
菲利普斯，纳萨尼尔 2016. FFTrees：生成、可视化和比较快速和节俭决策树。
R 核心团队。 2016. R：统计计算的语言和环境。 奥地利维也纳：R 统计计算基金会。 https://www.R-project.org/。
特诺、特里、贝丝·阿特金森和布赖恩·里普利。 2015. Rpart：递归分区和回归树。 https://CRAN.R-project.org/package=rpart。
useR！2017： FFTrees： 要创建的 R 包，可视化...
关键字：决策树、决策、打包、可视化
网页： https://cran.r-project.org/web/packages/FFTrees/https://rpubs.com/username/project
许多复杂的实际问题需要快速准确的分类决策。 一位急诊室医生面对病人抱怨胸痛需要迅速决定病人是否心脏病发作。 一个失去的徒步旅行者，发现一片蘑菇，需要决定他们是安全的吃，还是有毒的。 一位股票投资组合顾问看到，凌晨3点14分，一位有影响力的人物在推特上说，他投入了大量投资的5家公司，需要决定是否移动股票或坐紧。 这些决定具有重要的后果，必须在时间压力下做出，信息有限。 人们如何和应该做出这样的决定？ 一种有效的方法是使用快速节俭决策树（FFT）。 FFT 是简单的启发式，允许用户根据有限的信息做出快速、准确的决策（吉根泽和戈德斯坦 1996 年）：马蒂尼翁、卡齐科普洛斯和沃克2008年。 与补偿决策算法（如回归）或计算密集型算法（如随机林）相比，FFT 允许人们在无需统计训练或计算设备的情况下快速做出快速决策。 由于它们如此易于实施，因此在应用决策领域（如急诊室）特别有用，人们需要能够快速透明地做出决策（格拉德威尔 2007 年;格林和梅尔 1997）
虽然 FFT 易于实现，但实际上从数据构造有效的 FFT 不太简单。 虽然已经提出了几个 FFT 构造算法 15 （达米和艾顿 2001;马蒂尼翁、卡齐科普洛斯和沃克 2008：Martignon et al. 2003）， 没有一个编程和分发在易于使用和记录良好的工具。 本文的目的是通过引入 FFTrees（Philips 2016）、R 核心团队 2016（R Core Team 2016）来填补这一空白，让任何人都可以根据自己的数据创建、评估和可视化 FFT。 该包需要最少的编码，由许多示例记录，并提供定量性能度量值和视觉显示，显示树中每个级别的事例分类方式。
此演示分为三个部分：第 1 部分提供了关于二元分类决策任务的理论背景，并说明了 FFT 如何解决它们。 第 2 部分提供了有关如何使用 FFTrees 包从数据构造和评估 FFT 的 5 步教程。 最后，第 3 节将 FFTrees 的预测性能与逻辑回归和随机林等替代算法进行比较。 为了预览我们的结果，我们发现 FFTrees 创建的树效率更高，并且与各种应用数据集中这些算法中最好的算法一样准确。 此外，它们生成的树比标准决策树算法（如 rpart （Therneau、Atkinson 和 Ripley 2015）要简单得多，同时主演类似的预测性能。
引用达米、曼迪普 K 和彼得·艾顿。 2001. “保释和监禁快速和节俭的方式。 行为决策 杂志 14 （2）。 威利在线图书馆：141-68。
吉格伦泽、格德和丹尼尔·戈德斯坦。 1996. “推理快速和节俭的方式：有限理性的模型。 心理评论 103 （4）。 美国心理协会：650。
格拉德威尔，马尔科姆 2007. 闪烁：没有思考的思维的力量。 后湾书籍。
格林、李和大卫·梅尔。 1997. “什么改变了医生决定承认冠状护理单位？ 家庭实践 杂志 45 （3）。 [纽约，阿普顿世纪克罗夫茨]：219-26。
马蒂农、劳拉、康斯坦蒂诺斯·卡齐科普洛斯和扬·克·沃克。 2008. “使用有限资源分类：一系列简单的启发式。 数学心理学 杂志 52 （6）。 Elsevier：352-61。
马蒂农、劳拉、奥利弗·维托克、马萨诺里·武扎瓦和马尔科姆·弗斯特。 2003. “天真又开明：从自然频率到快速节俭决策树。 思考：关于推理、判断和决策的心理视角，189-211。
菲利普斯，纳萨尼尔 2016. FFTrees：生成、可视化和比较快速和节俭决策树。
R 核心团队。 2016. R：统计计算的语言和环境。 奥地利维也纳：R 统计计算基金会。 https://www.R-project.org/。
特诺、特里、贝丝·阿特金森和布赖恩·里普利。 2015. Rpart：递归分区和回归树。 https://CRAN.R-project.org/package=rpart。
想提供反馈？ 在此处提交问题。