我在randomForest
文档中阅读了以下内容:
作为引用,该函数的接口(interface)由以下给出:
randomForest(x, y=NULL, xtest=NULL, ytest=NULL, ntree=500,
mtry=if (!is.null(y) && !is.factor(y))
max(floor(ncol(x)/3), 1) else floor(sqrt(ncol(x))),
replace=TRUE, classwt=NULL, cutoff, strata,
sampsize = if (replace) nrow(x) else ceiling(.632*nrow(x)),
nodesize = if (!is.null(y) && !is.factor(y)) 5 else 1,
maxnodes = NULL,
importance=FALSE, localImp=FALSE, nPerm=1,
proximity, oob.prox=proximity,
norm.votes=TRUE, do.trace=FALSE,
keep.forest=!is.null(y) && is.null(xtest), corr.bias=FALSE,
keep.inbag=FALSE, ...)
我的问题是:一个人到底会如何使用
strata
和sampsize
?这是一个最小的工作示例,我想在其中测试这些参数:library(randomForest)
iris = read.table("http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data", sep = ",", header = FALSE)
names(iris) = c("sepal.length", "sepal.width", "petal.length", "petal.width", "iris.type")
model = randomForest(iris.type ~ sepal.length + sepal.width, data = iris)
> model
500 samples
6 predictors
2 classes: 'Y0', 'Y1'
No pre-processing
Resampling: Bootstrap (7 reps)
Summary of sample sizes: 477, 477, 477, 477, 477, 477, ...
Resampling results across tuning parameters:
mtry ROC Sens Spec ROC SD Sens SD Spec SD
2 0.763 1 0 0.156 0 0
4 0.782 1 0 0.231 0 0
6 0.847 1 0 0.173 0 0
ROC was used to select the optimal model using the largest value.
The final value used for the model was mtry = 6.
之所以选择这些参数,是因为我希望RF使用引导样本,这些样本应尊重数据中正负比例。
This other thread开始了有关该主题的讨论,但在未阐明如何使用这些参数的情况下就解决了。
最佳答案
难道不是这样的吗?
model = randomForest(iris.type ~ sepal.length + sepal.width,
data = iris,
sampsize=c(10,10,10), strata=iris$iris.type)
我确实尝试过
..., strata=iristype
和..., strata='iristype'
,但显然代码不是在'data'参数的环境中解释该值的。我使用了结果变量,因为它是该数据集中唯一的因子变量,但我认为它不必是结果变量。实际上,我认为它绝对不应该是结果变量。预期该特定模型会产生无用的输出,并且仅用于测试语法。关于r - R中随机森林的分层抽样,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/14842059/