我对stepFactor函数的tuneRF参数的含义感到不舒服，该函数用于调整mtry函数中进一步使用的randomForest参数。tuneRF的文档说stepFactor是一个幅度
所选的mtry放气或膨胀。
显然，由于mtry是随机选择的多个变量，因此它必须是整数，但是我在网上看到了许多使用stepFactor=1.5的示例。
起初，我认为R默认使用下一个mtry等于floor(mtry_current-stepFactor)，但事实证明我错了。
而且，我不理解在search left... search right...工作时显示tuneRF的R命令。
我以为这是有关增大或缩小mtry参数的信息，但我的推测并没有正确。
总结一下我的疑虑的冗长而不太优美的描述，我的问题是：
为什么stepFactor不是整数？
如何选择后续的mtry值？
左右搜索实际上意味着什么？
任何帮助将不胜感激！ :)
最佳答案
以下是tuneRF工作原理的摘要：
一种。将mtry设置为sqrt（p）的默认值进行分类，将p / 3设置为回归（其中p =变量总数）
b。计算mtry设置为上面找到的默认值的随机森林的袋外（OOB）错误（例如error_default）
一种。向左看：设置mtry =默认值/ stepFactor。例如，如果stepFactor = 1.5且您的默认起始值为8，则mtry将设置为8 / 1.5 = 5.33，四舍五入为一个整数，得到6
b。计算OOB错误，说error_left
一种。向右看：设置mtry =默认值* stepFactor。继续我的示例，将mtry设置为8 * 1.5 = 12
b。计算OOB错误，说error_right
一世。如果（error_default
ii。如果不满足先前的条件，但是errors_default和error_right / error_left之间的差小于改善参数，则最佳mtry是默认值
iii。不失一般性，如果不满足条件，并且error_right 改善，则将mtry设置为mtry_right（12）。从现在开始，始终向右走
如果4.iii。经过验证，重复：将mtry设置为mtry_right * stepFactor（在我的示例中为12 * 1.5 = 18），计算OOB错误，并将其与上一步获得的错误进行比较（在我的示例中，对于mtry = 12）。如果错误新错误较小，并且如果减少错误的增益足够（即>提高），则选择新mtry并继续重复这些步骤，否则停止并返回当前mtry作为最佳mtry
您设置的stepFactor越小（例如1.1、1.2），尝试的mtry值（精细搜索）越多，设置的stepFactor越大（例如2、2.5），尝试的值越少（粗糙搜索）。同样，如果改进值较低，则搜索将持续更长的时间。