给定一个 rpart 对象，我希望能够在到达每个叶子之前提取使用了多少个特征 . 换句话说，我想知道在为每个叶子做出分类决策时使用了多少条信息 .
例如，这是一个应用于 titanic 数据集的 rpart 对象：
library(titanic)
library(rpart)
titanic.rpart <- rpart::rpart(survived ~., data = titanic)
titanic.rpart$frame[,1:2]
以下是 frame 的重要信息：
变种
1性别2201
2年1731年
4叶1667
5级64级
10 LEAF 48
11 LEAF 16
3级470
6 LEAF 196
7 LEAF 274
从 frame 属性，我可以访问决策树的结构，包括到达每个节点/叶子的案例数 . 但是，我真正想知道的是，对于每个叶子，在该叶子之前发生了多少个节点？这将告诉我在每个案例被分类时查找了多少条信息 .
例如，查看泰坦尼克号树（见下图），它看起来像第一片叶片，发生在深度为4，发生在 sex 和 age 节点之后 . 因此，这片叶子需要2条信息 . 由于1667个病例被分类在这片叶子上，这片叶子使用了1667 * 2 = 3334条信息 .
在 sex ， age 和 class 点头之后，下一个深度为10的叶子发生了 . 因此，这片叶子需要3条信息 . 由于48个病例被分类在这片叶子上，这片叶子使用48 * 3 = 144条信息 .
按照每个叶子的这个程序，我可以计算出使用的信息总量如下：
树中使用的总信息数= 1667 * 2 48 * 3 16 * 3 196 * 2 274 * 2 = 4466
然后，我可以将其除以案例总数，以获得每个案例使用的平均信息量为4466/2201 = 2.03 . 事实上，这真的是我最终想要的 .
这是一个问题：我可以用什么代码从 rpart 对象执行这些计算？或者更具体一点，我如何确定每个叶子在叶子之前发生了多少个节点？
