📌  相关文章
📜  R-随机森林

📅  最后修改于: 2020-11-29 07:56:51             🧑  作者: Mango

在随机森林方法中，创建了大量决策树。每个观察结果都被馈送到每个决策树中。每个观察结果最常见的结果用作最终输出。一个新的观察结果被馈送到所有的树中，并为每个分类模型投票。

对于在构建树时未使用的情况进行了错误估计。这就是所谓的OOB(袋外)误差估计，以百分比表示。

R包“ randomForest”用于创建随机森林。

安装R包

在R控制台中使用以下命令安装软件包。您还必须安装从属软件包(如果有)。

install.packages("randomForest)

包“ randomForest”具有函数randomForest() ，该函数用于创建和分析随机森林。

句法

在R中创建随机森林的基本语法是-

randomForest(formula, data)

以下是所用参数的描述-

  • 公式是描述预测变量和响应变量的公式。

  • data是所使用的数据集的名称。

输入数据

我们将使用名为readingSkills的R内置数据集来创建决策树。如果我们知道变量“年龄”，“鞋码”，“得分”以及该人是否是母语使用者，它描述了某人的阅读技能得分。

这是示例数据。 

# Load the party package. It will automatically load other
# required packages.
library(party)

# Print some records from data set readingSkills.
print(head(readingSkills))

当我们执行上述代码时，它会产生以下结果和图表-

nativeSpeaker   age   shoeSize      score
1           yes     5   24.83189   32.29385
2           yes     6   25.95238   36.63105
3            no    11   30.42170   49.60593
4           yes     7   28.66450   40.28456
5           yes    11   31.88207   55.46085
6           yes    10   30.07843   52.83124
Loading required package: methods
Loading required package: grid
...............................
...............................

例

我们将使用randomForest()函数创建决策树并查看其图。 

# Load the party package. It will automatically load other
# required packages.
library(party)
library(randomForest)

# Create the forest.
output.forest

当我们执行以上代码时，它产生以下结果-

Call:
 randomForest(formula = nativeSpeaker ~ age + shoeSize + score,     
                 data = readingSkills)
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 1

        OOB estimate of  error rate: 1%
Confusion matrix:
    no yes class.error
no  99   1        0.01
yes  1  99        0.01
         MeanDecreaseGini
age              13.95406
shoeSize         18.91006
score            56.73051

结论

从上面显示的随机森林中，我们可以得出结论，鞋号和分数是决定某人是否以母语为母语的重要因素。该模型的误差也只有1％，这意味着我们可以进行99％的预测。