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 ............................... ...............................
例
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!