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