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