수색…


임의의 포리스트 모델 만들기

기계 학습 알고리즘의 한 예는 Random Forest 알고리즘 (Breiman, L. (2001), Random Forests, Machine Learning 45 (5) , 5-32 페이지)입니다. 이 알고리즘은 randomForest 패키지에서 Breiman의 원래 Fortran 구현에 따라 R로 구현됩니다.

무작위 포레스트 분류기 객체는 클래스 변수를 이미 iris 데이터 세트에서 명백한 factor 로 준비함으로써 R에 생성 될 수 있습니다. 따라서 다음과 같은 방법으로 임의의 포리스트를 쉽게 만들 수 있습니다.

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
매개 변수들 기술
엑스 클래스의 기술 변수를 저장하는 데이터 프레임
와이 개별 관측의 클래스. 이 벡터가 factor 이면 회귀 모델을 만들지 않으면 분류 모델이 만들어집니다.
ntree 빌드 된 개별 CART 트리의 수
do.trace 내가 단계를 토륨마다, 아웃 오브 박스의 오류 전체 및 각 클래스가 반환된다


Modified text is an extract of the original Stack Overflow Documentation
아래 라이선스 CC BY-SA 3.0
와 제휴하지 않음 Stack Overflow