R 简明教程

R - Random Forest

在随机森林方法中,会创建大量决策树。每个观察都会传入到每个决策树。每个观察的最常见结果将用作最终输出。将新观察传入到所有树,并针对每个分类模型进行多数表决。

对在创建树时未使用的案例进行误差估计。这称为 OOB (Out-of-bag) 误差估计,以百分比表示。

R 包 "randomForest" 用于创建随机森林。

Install R Package

在 R 控制台中使用以下命令安装包。还需要安装相关包(如果存在)。

install.packages("randomForest)

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

Syntax

在 R 中创建随机森林的基本语法为 −

randomForest(formula, data)

以下是所用参数的描述 -

  1. formula 是描述预测变量和响应变量的公式。

  2. data 是所用数据集的名称。

Input Data

我们将使用 R 中名为 readingSkills 的内置数据集来创建决策树。它描述了如果我们知道变量“年龄”、“鞋码”、“分数”以及该人是否是母语人士,则某个人的阅读技能得分。

以下是示例数据。

# 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
...............................
...............................

Example

我们将使用 randomForest() 函数来创建决策树并查看其图表。

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

# Create the forest.
output.forest <- randomForest(nativeSpeaker ~ age + shoeSize + score,
           data = readingSkills)

# View the forest results.
print(output.forest)

# Importance of each predictor.
print(importance(fit,type = 2))

当我们执行上述代码时,会产生以下结果 -

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

Conclusion

从上面显示的随机森林中,我们可以得出结论,鞋码和分数是决定某人是否是母语人士的重要因素。此外,该模型只有 1% 的错误,这意味着我们可以预测 99% 的准确性。