我对插入符号是陌生的,我只想确保自己完全了解它在做什么。为此,我一直在尝试使用插入符的train()函数对method =“rf”复制从randomForest()模型获得的结果。不幸的是,我无法获得匹配的结果,而且我想知道我忽略了什么。
我还要补充一点,考虑到randomForest使用 bootstrap 来生成适合每个ntree的样本,并根据袋外预测来估计误差,因此我对指定“oob”和“boot”之间的区别有点模糊在trainControl函数调用中。这些选项产生不同的结果,但都不匹配randomForest()模型。
尽管我已经阅读了插入符号包网站(http://topepo.github.io/caret/index.html),以及各种可能与之相关的StackOverflow问题,但是我仍无法弄清楚为什么插入符号方法=“rf”模型与randomForest()产生了不同的结果。非常感谢您可能提供的任何见解。
这是一个可复制的示例,使用了MASS软件包中的CO2数据集。
library(MASS)
data(CO2)
library(randomForest)
set.seed(1)
rf.model <- randomForest(uptake ~ .,
data = CO2,
ntree = 50,
nodesize = 5,
mtry=2,
importance=TRUE,
metric="RMSE")
library(caret)
set.seed(1)
caret.oob.model <- train(uptake ~ .,
data = CO2,
method="rf",
ntree=50,
tuneGrid=data.frame(mtry=2),
nodesize = 5,
importance=TRUE,
metric="RMSE",
trControl = trainControl(method="oob"),
allowParallel=FALSE)
set.seed(1)
caret.boot.model <- train(uptake ~ .,
data = CO2,
method="rf",
ntree=50,
tuneGrid=data.frame(mtry=2),
nodesize = 5,
importance=TRUE,
metric="RMSE",
trControl=trainControl(method="boot", number=50),
allowParallel=FALSE)
print(rf.model)
print(caret.oob.model$finalModel)
print(caret.boot.model$finalModel)
产生以下内容:
Mean of squared residuals: 9.380421
% Var explained: 91.88
Mean of squared residuals: 38.3598
% Var explained: 66.81
Mean of squared residuals: 42.56646
% Var explained: 63.16
和代码来考虑变量的重要性:
importance(rf.model)
importance(caret.oob.model$finalModel)
importance(caret.boot.model$finalModel)
最佳答案
在训练中使用公式界面会将因子转换为虚拟变量。要将caret
和randomForest
的结果进行比较,您应该使用非公式界面。
在您的情况下,应在trainControl
中提供一个种子,以获得与ojit_code中相同的结果。
在插入符号网页中的Section training中,有一些关于重现性的说明,其中解释了如何使用种子。
library("randomForest")
set.seed(1)
rf.model <- randomForest(uptake ~ .,
data = CO2,
ntree = 50,
nodesize = 5,
mtry = 2,
importance = TRUE,
metric = "RMSE")
library("caret")
caret.oob.model <- train(CO2[, -5], CO2$uptake,
method = "rf",
ntree = 50,
tuneGrid = data.frame(mtry = 2),
nodesize = 5,
importance = TRUE,
metric = "RMSE",
trControl = trainControl(method = "oob", seed = 1),
allowParallel = FALSE)
如果要进行重采样,则应为每个重采样迭代提供种子,并为最终模型提供一个种子。
randomForest
中的示例显示了如何创建它们。在以下示例中,最后一个种子用于最终模型,我将其设置为1。
seeds <- as.vector(c(1:26), mode = "list")
# For the final model
seeds[[26]] <- 1
caret.boot.model <- train(CO2[, -5], CO2$uptake,
method = "rf",
ntree = 50,
tuneGrid = data.frame(mtry = 2),
nodesize = 5,
importance = TRUE,
metric = "RMSE",
trControl = trainControl(method = "boot", seeds = seeds),
allowParallel = FALSE)
使用
?trainControl
和caret
中的种子正确定义非公式接口(interface),您将在所有三个模型中获得相同的结果:rf.model
caret.oob.model$final
caret.boot.model$final
关于r - 使用randomForest()和插入符号的randomForest获得不同的结果(方法= "rf"),我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/36696974/