R Language
Машинное обучение
Поиск…
Создание модели случайного леса
Одним из примеров алгоритмов машинного обучения является алоризм случайного леса (Breiman, L. (2001). Случайные леса. Machine Learning 45 (5) , стр. 5-32). Этот алгоритм реализован в R согласно оригинальной реализации Fortran Бреймана в пакете randomForest
.
Объекты классификатора случайного леса могут быть созданы в R, создавая переменную класса как factor
, который уже проявляется в наборе данных iris
. Поэтому мы можем легко создать случайный лес:
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
параметры | Описание |
---|---|
Икс | кадр данных, содержащий описывающие переменные классов |
Y | классы индивидуальных наблюдений. Если этот вектор является factor , создается модель классификации, если не создается регрессионная модель. |
ntree | Количество построенных отдельных деревьев CART |
do.trace | каждый i- й шаг, возвращаются ошибки «из коробки» и для каждого класса |
Modified text is an extract of the original Stack Overflow Documentation
Лицензировано согласно CC BY-SA 3.0
Не связан с Stack Overflow