[এনবি: নীচে আপডেট 1 দেখুন]] আমি দেখতে পাচ্ছি যে এর পদ্ধতির rpartচেয়ে ব্যাখ্যা করা আরও সহজparty । পরবর্তীটি অবশ্য অনেক বেশি পরিশীলিত এবং সম্ভবত আরও ভাল মডেল দেওয়ার সম্ভাবনা রয়েছে। আমি মাঝে মাঝে যেভাবে ব্যাখ্যা করি partyতা হ'ল স্থানীয় রৈখিক (বা জিএলএম) মডেল উত্পাদন করার ভিত্তি হিসাবে এটি। আমি এটি উল্লেখ করে এটি তৈরি করেছি যে ফলাফলগুলি rpartপাতার নোডে পড়ে থাকা সমস্ত উপাদান, অর্থাৎ বাক্স / অঞ্চলকে বিভক্ত করে আবদ্ধ করে স্থির থাকে। এমনকি স্থানীয় মডেলগুলির মাধ্যমে উন্নতি হতে পারে, আপনি ধ্রুবক পূর্বাভাস ছাড়া কিছুই পাবেন না।
বিপরীতে, party অঞ্চলগুলির জন্য সম্ভাব্য মডেলগুলিকে অনুকূল করতে স্প্লিটগুলি বিকাশ করে। এটি আসলে মডেলের অনুকূলতার চেয়ে আলাদা মানদণ্ড ব্যবহার করছে, তবে আপনি এটি ভালভাবে ব্যাখ্যা করতে পারবেন কিনা তা নির্ধারণ করার জন্য আপনার নিজের ক্ষমতাটি নির্ধারণ করতে হবে। এটির জন্য থাকা কাগজপত্রগুলি একজন গবেষকের পক্ষে যথেষ্ট অ্যাক্সেসযোগ্য, তবে কেউ এলোমেলো বন, উত্সাহদান ইত্যাদির মতো সহজ পদ্ধতি বিবেচনা করতে রাজি নয় এমন ব্যক্তির পক্ষে যথেষ্ট চ্যালেঞ্জিং হতে পারে, গাণিতিকভাবে, আমি মনে করি partyএটি আরও পরিশীলিত ... তবুও, কার্টের মডেলগুলি আরও সহজ পদ্ধতি এবং ফলাফল উভয় ক্ষেত্রে ব্যাখ্যা করুন, এবং এটি আরও পরিশীলিত গাছ-ভিত্তিক মডেলগুলি প্রবর্তনের জন্য একটি শালীন পাথর সরবরাহ করে।
সংক্ষেপে, আমি বলব যে আপনাকে rpartস্বচ্ছতার জন্য করতে হবে , এবং আপনি partyনির্ভুলতা / পারফরম্যান্সের জন্য ব্যবহার করতে পারেন , তবে আমি পরিচয় না partyকরেই পরিচয় করিয়ে দেব না rpart।
আপডেট ১. আমি আমার উত্তরটি আমার বোঝার উপর ভিত্তি করেছিলাম partyযেমনটি এক বছর বা দুই বছর আগে ছিল। এটি বেশ খানিকটা বড় হয়েছে, তবে আমি আমার উত্তরটি পরিবর্তন করে বলব যে আমি এখনও rpartএর বংশবৃদ্ধি এবং উত্তরাধিকারের জন্য সুপারিশ করব , "নন-ফ্যানসি" আপনার ক্লায়েন্ট / সহযোগী হিসাবে গুরুত্বপূর্ণ মানদণ্ড হওয়া উচিত। তবুও, আমি partyকাউকে পরিচয় করিয়ে দেওয়ার পরে আরও কার্যকারিতা ব্যবহার করে মাইগ্রেট করার চেষ্টা করব rpart। ক্ষতির ক্রিয়াকলাপ, বিভাজনের মানদণ্ড ইত্যাদির সাহায্যে ছোট শুরু করা আরও ভাল, আরও বেশি জড়িত ধারণাগুলি জড়িত এমন একটি প্যাকেজ এবং পদ্ধতিটি প্রবর্তনের আগে একটি সাধারণ প্রসঙ্গে।