[एनबी: अद्यतन 1 नीचे देखें।] मुझे लगता है कि इसके लिए कार्यप्रणाली की rpartतुलना में समझाना बहुत आसान है party। हालांकि, बाद वाला, अधिक परिष्कृत है और बेहतर मॉडल देने की संभावना है। जिस तरह से मैं कभी-कभी समझाता partyहूं वह स्थानीय रैखिक (या जीएलएम) मॉडल के उत्पादन के आधार के रूप में बात करना है। मैं यह इंगित करने के लिए इसका निर्माण करता हूं कि परिणाम rpartसभी तत्वों के लिए स्थिर हैं जो पत्ती के नोड में गिरते हैं, अर्थात बॉक्स / क्षेत्र विभाजन से विभाजित होते हैं। यहां तक कि अगर स्थानीय मॉडलों के माध्यम से सुधार हो सकता है, तो आपको कुछ भी नहीं मिलता है, लेकिन एक निरंतर भविष्यवाणी।
इसके विपरीत, partyक्षेत्रों के लिए मॉडल को संभावित रूप से अनुकूलित करने के लिए विभाजन विकसित करता है। यह वास्तव में मॉडल इष्टतमता की तुलना में एक अलग मानदंड का उपयोग कर रहा है, लेकिन आपको यह निर्धारित करने के लिए अंतर की व्याख्या करने के लिए अपनी स्वयं की क्षमता को निर्धारित करने की आवश्यकता है कि क्या आप इसे अच्छी तरह से समझा सकते हैं। एक शोधकर्ता के लिए इसके लिए कागजात बहुत ही सुलभ हैं, लेकिन किसी के लिए यह बहुत चुनौतीपूर्ण हो सकता है कि partyवह यादृच्छिक जंगलों, बूस्टिंग आदि जैसे सरल तरीकों पर विचार करने को तैयार न हो। गणितीय रूप से, मुझे लगता है कि यह अधिक परिष्कृत है ... फिर भी, CART मॉडल आसान हैं कार्यप्रणाली और परिणामों के संदर्भ में, दोनों को समझाएं, और ये अधिक परिष्कृत वृक्ष-आधारित मॉडल पेश करने के लिए एक सभ्य कदम पत्थर प्रदान करते हैं।
संक्षेप में, मैं कहूंगा कि आपको rpartस्पष्टता के लिए क्या करना है, और आप partyसटीकता / partyसुधार के लिए उपयोग कर सकते हैं , लेकिन मैं परिचय के साथ परिचय नहीं करूंगा rpart।
अद्यतन 1. मैंने अपनी समझ के आधार पर अपना उत्तर दिया partyक्योंकि यह एक या दो साल पहले था। यह काफी बढ़ गया है, लेकिन मैं यह कहने के लिए अपने जवाब को संशोधित करूंगा कि मैं अभी भी rpartइसकी संक्षिप्तता और विरासत के लिए सिफारिश करूंगा , "गैर-फैंसी" आपके ग्राहक / सहयोगी के लिए एक महत्वपूर्ण मानदंड होना चाहिए। फिर भी, मैं partyकिसी को पेश करने के बाद, अधिक कार्यक्षमता का उपयोग करने के लिए माइग्रेट करने का प्रयास करूंगा rpart। छोटे से शुरू करना बेहतर है, नुकसान कार्यों, बंटवारे के मानदंड, आदि, एक सरल संदर्भ में, एक पैकेज और कार्यप्रणाली को शुरू करने से पहले, जिसमें कहीं अधिक शामिल अवधारणाएं शामिल हैं।