[转] SAS决策树：二维空间的决策边界显示

shiyiming

在《数据挖掘导论》中看到斜决策树的介绍，如图-1所示，数据中存在着线性不等式的模式：

当 x1+x2<1 时，取值为0；否则，取值为1。
[code:27ws7y78]data source;
   seed=12345;
   do i=1 to 100;
      x1=ranuni(seed);
      x2=ranuni(seed);
      if x1+x2>=1 then target=1;
      else target=0;
      output;
   end;
run;

proc sgplot data=source;
   scatter x=x1 y=x2/group=target;
   lineparm x=1 y=0 slope=-1;
run;quit;[/code:27ws7y78]
接下来，我们使用 SAS EM 提供的 PROC ARBOR 生成一棵决策树。
[code:27ws7y78]proc arbor data=source criterion=ENTROPY splitsize=2 maxbranch=2;
   target target/level = binary;
   input x1 x2 /level = interval;
   subtree largest;
   save NODESTATS=nodstat1 RULES=rul1 ;
   score out=scoreout;
run;quit; [/code:27ws7y78]
想要通过SAS编程的方式显示决策树并不是很容易的事情，而且显示的效果也一般，好在有热心的网友在之前做了一些研究，这里我就直接借用他的代码，当然遇到了一点显示的问题，我对他的源代码做了一点小改动。

我借鉴的代码来自：http://www.sasanalysis.com/2011/02/visualize-decision-tree-by-coding-proc.html，作者是位资深的SAS用户，非常活跃，是分析方面的专家。
[code:27ws7y78]******** VISUALIZE DECISION TREE RESULTS************;
proc sql;
    create table treedata as
    select a.parent as act1, a.node, b.NODETEXT, b.U_Target
    from nodstat1 as a, nodstat1 as b
    where a.parent=b.node
    union
    select c.node as act1, . as node, c.nodetext, c.U_Target
    from nodstat1 as c
;
quit;

data treedata1;
    set treedata;
    if U_Target=1 then _pattern=1;
    else  _pattern=2;
  nodetext = compress(nodetext,'0920'x);
  nodetext = tranwrd(nodetext,':',': ');
run;

*NOTE: USE PROC NETDRAW TO REALIZE PHYSICAL TREE*;
pattern1  c=green; pattern2 v=s c=red;
footnote   c=green   '1  '  c=red     '0  ';
proc netdraw data=treedata1 graphics;
     actnet /activity=act1 successor=NODE nolabel id=(NODETEXT)
             tree compress rotate rotatetext arrowhead=0
             font=simplex ctext=white htext=2;
run;
footnote ' ';[/code:27ws7y78]
最后，我们使用 SAS/GRAPH 提供的 Annotate 功能来画决策边界，这里的决策边界是从决策树的结果表中人工提取的，我没有花时间研究如何通过代码自动生成。
[code:27ws7y78]data rules1;
   set rul1;
   where role='PRIMARY' and (stat='VARIABLE' or stat='INTERVAL');
run;

data decbounderies;
   set rules1;
   name=lag(character_value);
   value=numeric_value;
   if stat='INTERVAL' then output;
   keep node name value;
run;

data Lines;
   infile datalines dlm='#';
   length label $ 27
          textcolor $ 9
          linecolor $ 9;
   retain x1space 'datavalue';
   retain y1space 'datavalue';
   retain x2space 'datavalue';
   retain y2space 'datavalue';
   input function $ x1 y1 label x2 y2 textcolor linecolor;
datalines;
line # 0.4215868129 # 0 #   # 0.4215868129 # 1 #   # blue
line # 0 # 0.7397564595 #   # 0.4215868129 # 0.7397564595 #   # blue
line # 0.1081274502 # 0.7397564595 #   # 0.1081274502 # 1 #   # blue
line # 0.4215868129 # 0.2146758047 #   # 1 # 0.2146758047 #   # blue
line # 0.9196328702 # 0 #   # 0.9196328702 # 0.2146758047 #   # blue
line # 0.4215868129 # 0.4578804769 #   #1 # 0.4578804769 #   # blue
line # 0.6309236754 # 0.2146758047 #   # 0.6309236754 # 0.4578804769 #   # blue
;
run;

proc sgplot data=source sganno=Lines;
   scatter x=x1 y=x2/group=target;
run;quit; [/code:27ws7y78]
原帖：http://blog.sina.com.cn/s/blog_8db50cf70101i3vk.html