R语言随机森林

在随机森林做法是由大量的决策树来创建的。每个观察被送入每一个决定树。对于每个观测的最常见的结果被用作最终的输出。一个新的观察被送入所有树，并采取多数表决每个分类模型。

错误估算出其在构建树不使用的情况下。这就是所谓的 OOB 所提到以百分比(外袋)错误估计。

R软件包 “randomForest” 用于创建随机森林。

安装R软件包

R中控制台使用下面的命令来安装该软件包。还必须安装相关程序包(如有)。

install.packages("randomForest)

包 “randomForest” 中有 randomForest()函数，它用于创建并分析随机森林。

语法

在 R 中创建一个随机森林的基本语法是：

randomForest(formula, data)

以下是所使用的参数的说明：

formula 是一个公式描述的预测和响应变量。

data 是所使用的数据集的名称。

输入数据

我们将使用R内置的数据集名为 readingSkills 来创建一个决策树。它描述了一个人的 readingSkills 的得分，如果我们知道变量：

"age","shoesize","score" 和是否为母语的人。

下面是示例数据。

# Load the party package. It will automatically load other required packages.
library(party)

# Print some records from data set readingSkills.
print(head(readingSkills))

当我们上面的代码执行，它会产生以下结果及图表：

  nativeSpeaker age shoeSize    score
1           yes   5 24.83189 32.29385
2           yes   6 25.95238 36.63105
3            no  11 30.42170 49.60593
4           yes   7 28.66450 40.28456
5           yes  11 31.88207 55.46085
6           yes  10 30.07843 52.83124
Loading required package: methods
Loading required package: grid
...............................
...............................

示例

我们将使用 randomForest()函数来创建决策树，看看它的图形。

# Load the party package. It will automatically load other required packages.
library(party)
library(randomForest)

# Create the forest.
output.forest <- randomForest(nativeSpeaker ~ age + shoeSize + score,   data=readingSkills)

# View the forest results.
print(output.forest)

# Importance of each predictor.
print(importance(fit,type=2))

当我们上面的代码执行时，它产生以下结果：

Call:
 randomForest(formula = nativeSpeaker ~ age + shoeSize + score,      data = readingSkills)
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 1

        OOB estimate of  error rate: 1%
Confusion matrix:
    no yes class.error
no  99   1        0.01
yes  1  99        0.01
         MeanDecreaseGini
age              13.95406
shoeSize         18.91006
score            56.73051

结论

从以上所示的随机森林，我们可以得出这样的结论：如果有人是或不是母语， shoesize 和 score 是确定的重要因素。另外，模型只有1％的误差，这意味着我们能有 99％ 的准确度预测。