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