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stratasampsize?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..., 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/

10-12 18:57