R Language
Maschinelles lernen
Suche…
Ein zufälliges Gesamtstrukturmodell erstellen
Ein Beispiel für Algorithmen für maschinelles Lernen ist der Random Forest-Algorithmus (Breiman, L. (2001). Random Forests. Machine Learning 45 (5) , S. 5-32). Dieser Algorithmus ist in R gemäß der ursprünglichen Fortran-Implementierung von Breiman im randomForest
Paket implementiert.
Random Forest-Klassifiziererobjekte können in R erstellt werden, indem die Klassenvariable als factor
vorbereitet factor
, der bereits in der iris
Datei sichtbar ist. Daher können wir leicht einen Zufallswald erstellen, indem wir:
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
Parameter | Beschreibung |
---|---|
x | ein Datenrahmen, der die beschreibenden Variablen der Klassen enthält |
y | die Klassen der einzelnen Obserbationen. Wenn dieser Vektor ein factor , wird ein Klassifizierungsmodell erstellt, wenn kein Regressionsmodell erstellt wird. |
Baum | Die Anzahl der einzelnen CART-Bäume |
do.trace | Bei jedem i- ten Schritt werden die sofort eintreffenden Fehler für jede Klasse zurückgegeben |
Modified text is an extract of the original Stack Overflow Documentation
Lizenziert unter CC BY-SA 3.0
Nicht angeschlossen an Stack Overflow