R Language
Maskininlärning
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