R Language
Maschinelles lernen

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