R Language
Machine leren
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