Sök…


Skapa en slumpmässig skogsmodell

Ett exempel på algoritmer för maskininlärning är alogritmen Random Forest (Breiman, L. (2001). Random Forests. Machine Learning 45 (5) , s. 5-32). Denna algoritm implementeras i R enligt Breimans ursprungliga Fortran-implementering i randomForest paketet.

Slumpmässiga skogsklassificeringsobjekt kan skapas i R genom att förbereda klassvariabeln som factor , vilket redan är uppenbart i iris . Därför kan vi enkelt skapa en slumpmässig skog genom att:

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
parametrar Beskrivning
x en dataram innehållande de beskrivande variablerna för klasserna
y klasserna för de enskilda observationerna. Om denna vektor är factor skapas en klassificeringsmodell, om inte en regressionsmodell skapas.
ntree Antalet byggda individuella CART-träd
do.trace Varje första steg återlämnas out-of-the-box-felen och för varje klass


Modified text is an extract of the original Stack Overflow Documentation
Licensierat under CC BY-SA 3.0
Inte anslutet till Stack Overflow