R語言關於隨機森林算法的知識點詳解

在隨機森林方法中,創建大量的決策樹。 每個觀察被饋入每個決策樹。 每個觀察的最常見的結果被用作最終輸出。 新的觀察結果被饋入所有的樹並且對每個分類模型取多數投票。

對構建樹時未使用的情況進行錯誤估計。 這稱為OOB(袋外)誤差估計,其被提及為百分比。

R語言包“randomForest”用於創建隨機森林。

安裝R包

在R語言控制臺中使用以下命令安裝軟件包。 您還必須安裝相關軟件包(如果有)。

install.packages("randomForest")

包“randomForest”具有函數randomForest(),用於創建和分析隨機森林。

語法

在R語言中創建隨機森林的基本語法是

randomForest(formula, data)

以下是所使用的參數的描述 

  • formula是描述預測變量和響應變量的公式。
  • data是所使用的數據集的名稱。

輸入數據

我們將使用名為readingSkills的R語言內置數據集來創建決策樹。 它描述瞭某人的readingSkills的分數,如果我們知道變量“age”,“shoesize”,“score”,以及該人是否是母語。

以下是示例數據。

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

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

當我們執行上面的代碼,它產生以下結果及圖表

  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
...............................
...............................

我們將使用randomForest()函數來創建決策樹並查看它的圖。

# 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)) 

當我們執行上面的代碼,它產生以下結果

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

結論

從上面顯示的隨機森林,我們可以得出結論,鞋碼和成績是決定如果某人是母語者或不是母語的重要因素。 此外,該模型隻有1%的誤差,這意味著我們可以預測精度為99%。

到此這篇關於R語言關於隨機森林算法的知識點詳解的文章就介紹到這瞭,更多相關R語言隨機森林算法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: