R Language
Nauczanie maszynowe
Szukaj…
Tworzenie modelu losowego lasu
Jednym z przykładów algorytmów uczenia maszynowego jest alogrithm Random Forest (Breiman, L. (2001). Random Forests. Machine Learning 45 (5) , s. 5-32). Algorytm ten jest zaimplementowany w R zgodnie z oryginalną implementacją Fortran randomForest
pakiecie randomForest
.
Obiekty klasyfikatora Lasu losowego można tworzyć w R, przygotowując zmienną klasy jako factor
, co jest już widoczne w zestawie danych iris
. Dlatego możemy łatwo stworzyć Losowy Las poprzez:
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
parametry | Opis |
---|---|
x | ramka danych zawierająca opisujące zmienne klas |
y | klasy poszczególnych obserwacji. Jeśli ten wektor jest factor , tworzony jest model klasyfikacji, a jeśli nie, tworzony jest model regresji. |
ntree | Liczba zbudowanych pojedynczych drzew CART |
do.trace | na każdym i- tym etapie zwracane są błędy „od razu po wyjęciu z pudełka” i dla każdej klasy |
Modified text is an extract of the original Stack Overflow Documentation
Licencjonowany na podstawie CC BY-SA 3.0
Nie związany z Stack Overflow