RPART（または一般的に決定木）でCP（コスト複雑度）値を計算する方法

私が理解していることから、rpart関数へのcp引数は、minsplitまたはminbucket引数と同じ方法でツリーを事前整理するのに役立ちます。CP値の計算方法がわかりません。例えば

df<-data.frame(x=c(1,2,3,3,3,4), y=as.factor(c(TRUE, TRUE, FALSE, TRUE, FALSE, FALSE)), method="class")
mytree<-rpart(y ~ x, data = df, minbucket = 1, minsplit=1)

結果のツリー...

mytree
n= 6 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 6 3 FALSE (0.5000000 0.5000000)  
  2) x>=2.5 4 1 FALSE (0.7500000 0.2500000) *
  3) x< 2.5 2 0 TRUE (0.0000000 1.0000000) *

概要...

summary(mytree)

Call:
rpart(formula = y ~ x, data = df, minbucket = 1, minsplit = 1)
  n= 6 

         CP nsplit rel error    xerror      xstd
1 0.6666667      0 1.0000000 2.0000000 0.0000000
2 0.0100000      1 0.3333333 0.6666667 0.3849002

.666と.01はどこから来るのですか？

何日もかけて同じものを探していたところ、cp値の計算がパッケージで行われていることを知りました。デフォルトでは、 "CP"値を指定しない場合、rpartは0.01と見なします。Cp値は、ノードをツリーに追加するコストです。

rpartの複雑性パラメーター（cp）は、各ノードで必要なモデルの最小の改善です。次のように定義されたモデルのコストの複雑さに基づいています

指定されたツリーについて、すべての末端ノードでの誤分類を合計します。次に、分割数にペナルティ項（ラムダ）を掛けて、誤分類の合計に加えます。ラムダは交差検証によって決定され、Rでは報告されません。

回帰モデル（次のセクションを参照）の場合、スケーリングされたcpは非常に直接的に解釈されます。分割によってモデルの全体のR2が少なくともcp増加しない場合（R2は通常の線形モデルの定義です）、その分割は次のように決定されます。先験的に、追求する価値がない。rpartのlongintroドキュメントを参照してください