R Language
Apprendimento automatico
Ricerca…
Creazione di un modello Foresta casuale
Un esempio di algoritmi di apprendimento automatico è l'alogritmo Random Forest (Breiman, L. (2001). Foreste casuali. Machine Learning 45 (5) , p. 5-32). Questo algoritmo è implementato in R secondo l'implementazione originale di randomForest
di Breiman nel pacchetto randomForest
.
Gli oggetti di classificazione Foresta casuale possono essere creati in R preparando la variabile di classe come factor
, che è già evidente nel set di dati iris
. Quindi possiamo facilmente creare una foresta casuale:
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
parametri | Descrizione |
---|---|
X | un riquadro dati che contiene le variabili descrittive delle classi |
y | le classi delle singole obserbazioni. Se questo vettore è un factor , viene creato un modello di classificazione, se non viene creato un modello di regressione. |
ntree | Il numero di singoli alberi CART costruiti |
do.trace | ogni i-esimo passo, le out-of-the-box errori complessivi e per ogni classe vengono restituite |
Modified text is an extract of the original Stack Overflow Documentation
Autorizzato sotto CC BY-SA 3.0
Non affiliato con Stack Overflow