r - 使用randomForest()和插入符号的randomForest获得不同的结果(方法= "rf")

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/