建立隨機森林模型

機器學習演算法的一個例子是 Random Forest 演算法(Breiman,L。(2001).Random Forests。機器學習 45(5) ,第 5-32 頁)。根據 Breiman 在 randomForest 包中的原始 Fortran 實現,該演算法在 R 中實現。

通過將類變數準備為 factor,可以在 R 中建立隨機森林分類器物件,這在 iris 資料集中已經很明顯。因此我們可以通過以下方式輕鬆建立隨機森林

library(randomForest)

rf <- randomForest(x = iris[, 1:4], 
                   y = iris$Species, 
                   ntree = 500, 
                   do.trace = 100)

rf

# Call:
#   randomForest(x = iris[, 1:4], y = iris$Species, ntree = 500,      do.trace = 100) 
# Type of random forest: classification
# Number of trees: 500
# No. of variables tried at each split: 2
# 
# OOB estimate of  error rate: 4%
# Confusion matrix:
#   setosa versicolor virginica class.error
# setosa         50          0         0        0.00
# versicolor      0         47         3        0.06
# virginica       0          3        47        0.06
引數 描述
X 包含類的描述變數的資料框
ÿ 個別觀察的類別。如果此向量是 factor,則建立分類模型,否則建立迴歸模型。
ntree 構建的單個 CART 樹的數量
do.trace 每次我 TH 一步,整體和每個類的出的現成的錯誤返回