R - 随机森林

在随机森林方法中，会创建大量的决策树。每个观测值都会输入到每个决策树中。每个观测值最常见的输出结果将用作最终输出。将新的观测值输入到所有树中，并对每个分类模型进行多数投票。

对构建树时未使用的案例进行误差估计。这被称为**袋外 (OOB)** 误差估计，以百分比表示。

R 包**“randomForest”** 用于创建随机森林。

安装 R 包

在 R 控制台中使用以下命令安装包。如有任何依赖包，也需要安装。

install.packages("randomForest)

“randomForest”包包含**randomForest()** 函数，用于创建和分析随机森林。

语法

在 R 中创建随机森林的基本语法如下：

randomForest(formula, data)

以下是所用参数的描述：

• **formula** 是一个描述预测变量和响应变量的公式。

• **data** 是所用数据集的名称。

输入数据

我们将使用名为 readingSkills 的 R 内置数据集来创建决策树。如果我们知道变量“年龄”、“鞋码”、“分数”以及此人是否是母语人士，它描述了某人阅读能力的分数。

以下是示例数据。

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

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

执行上述代码时，会产生以下结果和图表：

  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()** 函数来创建决策树并查看其图形。

# 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)) 

执行上述代码时，会产生以下结果：

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

从上面显示的随机森林中，我们可以得出结论，鞋码和分数是决定某人是母语人士还是非母语人士的重要因素。此外，模型的错误率仅为 1%，这意味着我们可以以 99% 的准确率进行预测。