Zoeken…


Een willekeurig bosmodel maken

Een voorbeeld van algoritmen voor machine learning is het Random Forest alogrithm (Breiman, L. (2001). Random Forests. Machine Learning 45 (5) , p. 5-32). Dit algoritme is geïmplementeerd in R volgens de oorspronkelijke Fortran-implementatie van randomForest in het randomForest pakket.

Classificatorobjecten van willekeurige Forest kunnen in R worden gemaakt door de klassenvariabele als factor bereiden, wat al duidelijk is in de iris . Daarom kunnen we eenvoudig een willekeurig forest maken door:

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
parameters Beschrijving
X een gegevensframe met de beschrijvende variabelen van de klassen
Y de klassen van de individuele waarnemingen. Als deze vector een factor , wordt een classificatiemodel gemaakt, zo niet een regressiemodel.
ntree Het aantal individuele CART-bomen dat is gebouwd
do.trace elke i-de stap, de out-of-the-box fouten in totaal en voor elke klasse worden geretourneerd


Modified text is an extract of the original Stack Overflow Documentation
Licentie onder CC BY-SA 3.0
Niet aangesloten bij Stack Overflow