为什么指定sampsize不会提高randomForest的速度？
指定sampsize不会提高randomForest的速度是因为randomForest算法的核心思想是通过构建多个决策树来进行集成学习，每个决策树使用的训练样本都是通过有放回抽样（bootstrap）得到的，即每次抽样都是独立的。因此，无论指定sampsize的大小如何，randomForest都会使用相同数量的训练样本来构建每个决策树。
指定sampsize只会影响每个决策树使用的样本数量，而不会影响randomForest算法的整体速度。因为构建每个决策树的时间主要取决于决策树的深度和节点的划分过程，而与样本数量无关。因此，无论sampsize的大小如何，randomForest的速度并不会受到影响。
需要注意的是，虽然指定sampsize不会提高randomForest的速度，但合理选择sampsize可以在一定程度上控制随机森林模型的复杂度和泛化能力。较小的sampsize可能导致模型过拟合，而较大的sampsize可能导致模型欠拟合。因此，在实际应用中，需要根据数据集的大小和特点来选择合适的sampsize值，以获得更好的模型性能。
腾讯云相关产品推荐：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型训练、部署的能力，可用于构建和部署随机森林模型。
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）：提供了弹性、可靠的云服务器实例，可用于进行随机森林模型的训练和推理。
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）：提供了高可靠、低成本的对象存储服务，可用于存储和管理随机森林模型的数据和结果。
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
1回答
我想为R中的列表设置不同的采样大小，我希望看到3个不同的RF返回，但在R“( randomForest )对象不能被强制为类型‘整数’”中出现错误。
我的代码如下
sampsize_vect<-vector("list",3)
sampsize_vect[[1]]<- rep(6670,3)
sampsize_vect[[2]]<- c(1000)
sampsize_vect[[3]]<- c(5000,5000)
for (i in 1:3) {
RF <- randomForest (x,y,sa
浏览 0提问于2012-04-08得票数 0
回答已采纳
我正在使用R中的randomForest软件包来建立几个物种分布模型。我的反应变量是二进制(0 -缺席或1-存在)，而且相当不平衡--对某些物种来说，缺席:存在的比率是37:1。这种不平衡(或零通胀)导致了可疑的出柜误差估计--缺席与在场的比率越大，我的出柜(OOB)错误估计值就越低。
为了弥补这种不平衡，我想实施分层抽样，以便随机森林中的每棵树都包含来自存在和缺勤类别的相同(或至少不那么不平衡)的结果数量。我感到惊讶的是，在分层模型和非分层模型OOB错误估计中似乎没有任何差别。请参阅下面的代码：
无分层
> set.seed(25)
> HHrf<- randomFores
浏览 8提问于2013-11-22得票数 4
回答已采纳
1回答
我想实现Breiman (2001)的随机森林算法，使用我所有的训练集来生长树。换句话说，我希望在每个节点上保持输入的随机选择，并删除引导阶段。这是因为我使用的观测数据很少表现出自相关性。 我已经浏览了randomForest、ranger和Rborist包的文档，但我没有找到答案。我还尝试使用getAnywhere(randomForest.default)查看函数randomForest的源代码；但我必须承认，我的R级别太低，无法从中获得任何东西。 提前谢谢你。 编辑。给未来读者的注意:如果您想修改引导步骤，请确保在使用randomForest时设置keep.inbag=T。
浏览 14提问于2019-04-04得票数 1
回答已采纳
我运行了一个非并行的randomForest对象，没有出现这样的问题：
> rf <- randomForest(t2[,-c(1,2,7,12)],t2[,2],
+ ,sampsize=c(10000),do.trace=F,importance=TRUE,ntree=1,,forest=TRUE)
Warning message:
In randomForest.default(t2[, -c(1, 2, 7, 12)], t2[, 2], , sampsize = c(10000), :
The response has five
浏览 0提问于2011-10-25得票数 1
回答已采纳
3回答
我正在试验R和randomForest包，我有一些使用支持向量机和神经网络的经验。我的第一个测试是尝试回归:sin(X)+高斯噪声。使用神经网络和支持向量机，我得到了sin(x)的“相对”好的近似值，这样噪声就被过滤掉了，学习算法也不会过拟合。(对于合适的参数)当在randomForest上做同样的事情时，我得到了一个完全过拟合的解决方案。我简单地使用(R 2.14.0，也在2.14.1上试用，以防万一)：
library("randomForest")
x<-seq(-3.14,3.14,by=0.00628)
noise<-rnorm(1001)
y<-s
浏览 1提问于2012-02-13得票数 8
1回答
在检查我的模型的统计数据时，confusion matrix中的数字似乎与randomForest中的OOB error rate不一致。
如何从混淆矩阵中推导出OOB错误率？它们之间的关系是什么？
在下面的示例中，我打印了两个模型的输出，一个模型适合分层抽样(使用sampsize中的样本子集)，另一个模型没有样本(即使用默认抽样方案，我认为它使用所有样本)。
我没有数据公开，但下面是函数调用：
sumY = summary(Y)
sampsize <- c(sumY["Y0"]/10, sumY["Y1"])
# First model in t
浏览 2提问于2013-02-13得票数 1
1回答
我目前正在开发一个randomForest模型。在我的配置中，我意识到高的节点大小值是使用交叉验证的性能更好的配置。
但后来我意识到了一些奇怪的事情。
下面是一段可复制的代码：
对于nodesize = nrow(data)+4：
library(randomForest)
library(data.table)
set.seed(1)
n = 10
sigma = 0.4
X = runif(n)
Y = runif(n)
Z = X^2+X*Y+Y+sigma*rnorm(n)
Data = data.table(X,Y,Z)
model = randomForest(for
浏览 0提问于2016-10-18得票数 1
我有一个高度不平衡的数据集，目标类实例的比率为60000:1000:1000:50 (即总共4个类)。我想使用randomForest来预测目标类。
因此，为了减少类的不平衡，我使用了sampsize参数，将其设置为c(5000, 1000, 1000, 50)和其他一些值，但并没有太多用处。实际上，在我玩sampsize的时候，第一类的准确率下降了，尽管其他类预测的改善非常微小。
在挖掘归档文件的过程中，我偶然发现了randomForest()的另外两个特性，即strata和classwt，它们用于解决类不平衡问题。
classwt上的所有文档都是旧的(通常属于2007、2008年)，这些文
浏览 113提问于2013-11-28得票数 27
1回答
我知道seed一般是用来让我们重现相同的结果。但是，在随机森林部分设置种子实际上是做什么的。它是否改变了R中randomForest()函数的任何参数，如nTree或sampSize。
我每次都为我的随机森林模型使用不同的种子，但我想知道不同的种子如何影响随机森林模型。
浏览 0提问于2016-03-30得票数 6
我想用随机森林建立一个物种分布模型：
我的训练数据包括971条物种存在记录(71条)、/absence(900条)和3个系统取样点(4*4m，随机起点)的环境变量。
培训数据：
str(train)
'data.frame': 971 obs. of 4 variables:
$ presence: num 0 0 0 0 0 0 0 0 0 0 ...
$ v1 : num 0.18 0.18 0.24 0.24 0.75 0.7 0.27 0 0.29 0.77 ...
$ v2 : num 10 110 19 99 97 71 64 45 54 7
浏览 5提问于2018-01-07得票数 1
回答已采纳
1回答
我正在研究R中的随机森林，我想在我的模型中添加10倍的交叉验证。但我被困在那里了。这是我的代码样本。
install.packages('randomForest')
library(randomForest)
set.seed(123)
fit <- randomForest(as.factor(sickrabbit) ~ Feature1,..., FeatureN ,data=training1, importance=TRUE,sampsize = c(200,300),ntree=500)
我在网上找到了插入符号中的函数rfcv，但我不确定它是如何工作的。有人可
浏览 5提问于2015-07-26得票数 7
回答已采纳
1回答
我在randomForest的文档中阅读了以下内容
分层:用于分层抽样的(因素)变量。
样本大小:要绘制的样本的大小。在分类上，如果样本大小是地层长度的向量，则取样按地层分层，样本元素表示从地层中提取的数字。
为供参考，该函数的接口如下：
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
浏览 5提问于2013-02-12得票数 8
回答已采纳
1回答
我有一个高度不平衡的数据，并希望对少数类进行上采样以提高准确性(少数类是感兴趣的对象)。
我尝试在"randomForest“函数中使用"sampsize”选项-但它只允许下采样。我在某处读到，可以使用"classwt“选项--但我不确定如何使用它。
有没有人可以建议一种在R中运行随机森林的方法，通过对少数类进行上采样(使用"randomForest“库或其他类似的库)。
谢谢。
浏览 6提问于2013-02-15得票数 1
在Windows上使用R中的集群时，我一直在尝试找到一种简单的方法来将结果从集群传输到主服务器。如果结果是一个数组或一个简单的数字，foreach / %dopar%语句的.combine选项会处理这一点，但如果结果是一个复杂的对象让这样的randomForest模型，如何将整个模型从从集群传输回主集群？
我试过了:使用env=.Global，但它在我的Windows7上不起作用。
最后，我通过将对象保存到文件来解决这个问题。然后，主设备可以恢复该对象。如果有人知道一种更优雅的方法，或者为什么assing不起作用，我很感谢你的意见。
示例代码：
print(" paralelize w
浏览 0提问于2012-05-23得票数 3
我在各种回归任务中使用R randomForest。对我来说，超参数调优仍然是个谜。我已经掌握了调优ntree和mtry的方法，但是我也想调整每个包中的样本数量，作为模型偏差和方差的额外平衡，这是很有直觉的。
根据文档，我认为sampsize就是这样做的。但是，阅读函数参数可以发现，它比这更复杂。如果我运行替换(replace = TRUE)，它似乎我没有控制的比例袋内/袋外的样本。事实上，对于replace = TRUE，我认为算法使用的比例甚至没有文档化。
Documentation：sampsize: Size(s) of sample to draw.
函数参数：sampsize =
浏览 0提问于2018-11-12得票数 1
4回答
也许这太长了。关于滑雪板随机森林的简单问题：
对于一个真实/错误的分类问题，在sklearn的随机森林中是否有一种方法可以指定用于训练每棵树的样本大小，以及真实和错误观测的比率？
详情如下：
在随机森林的R实现(称为randomForest )中，有一个选项sampsize()。这允许您根据结果来平衡用于训练每棵树的样本。
例如，如果您试图预测结果是正确还是错误，并且培训集中90%的结果是假的，则可以设置sampsize(500, 500)。这意味着，每棵树将被训练在一个随机样本(与替换)从训练集与500个真实和500个错误的观察。在这种情况下，我发现当使用50%的截断时，模型的预测效果要好
浏览 2提问于2013-11-27得票数 6
回答已采纳
在运行randomForest之后，我有了一个包含大量信息的对象RF。如果我突出显示对象名称并点击CTRL + R，我将得到以下结果：
> RF
Call:
randomForest(x = iris[-5], iris[5], ntree = 50, sampsize = c(100), importance = TRUE, do.trace = F, forest = TRUE)
Type of random forest: regression
Numbe
浏览 2提问于2011-10-23得票数 0
回答已采纳
4回答
我有一个38 MB大小的训练集(包含420000行的12个属性)。我正在运行下面的R片段，使用randomForest来训练模型。这对我来说需要几个小时。
rf.model <- randomForest(
Weekly_Sales~.,
data=newdata,
keep.forest=TRUE,
importance=TRUE,
ntree=200,
do.trace=TRUE,
na.a
浏览 2提问于2014-04-15得票数 19
回答已采纳
为了产生随机森林，该算法对记录和属性进行随机分割，并建立决策树。例如，如果我使用以下代码：
set.seed(71)
rf <-randomForest(income~.,data=mydata, ntree=200)
我要200棵树。我可以使用参数mtry =在每个拆分处选择的变量数和从每个决策树生长的数据中提取的sampsize = Sample大小。我希望为200棵树中的每一棵树选择选定的mydata数据集的行数(记录)和变量(属性)的名称。我怎么能找到它？
浏览 1提问于2017-06-02得票数 0
回答已采纳
4回答
我在一个大数据问题中使用了随机森林，它具有非常不平衡的响应类，所以我阅读了文档，发现了以下参数：
strata
sampsize
这些参数的文档很少(或者我没有运气找到它)，我真的不知道如何实现它。我使用了以下代码：
randomForest(x=predictors,
y=response,
data=train.data,
mtry=lista.params[1],
ntree=lista.params[2],
na.action=na.omit,
浏览 0提问于2012-01-03得票数 18
回答已采纳
1回答
随机森林类权值的计算
、、、
我有两个类的数据集，我必须对其执行二进制分类。我选择随机森林作为分类器，因为它在其他模型中给了我最好的精度。dataset-1中的数据点数为462，dataset-2包含735个数据点。我注意到我的数据有轻微的阶级不平衡，所以我试图优化我的训练模型，并通过提供班级权重来重新训练我的模型。我提供了以下类权重的值。
cwt <- c(0.385,0.614) # Class weights
ss <- c(300,300) # Sample size
我使用以下代码训练模型
tr_forest <- randomForest(output ~., data = train,
浏览 1提问于2019-07-17得票数 2
回答已采纳
我想使用随机森林找到分类问题最重要的特性(我有两个类:0和1)。
我创建了模型：
rf = randomForest(y ~ ., data = df, sampsize=100000,ntree=100, importance = TRUE, keep.forest = FALSE)
然后，我用以下方法来检查其重要性：
importance(rf, type = 1, class = 1)
我读到类参数可以用于分类问题。我的问题是，如果我必须按它们的绝对值对结果进行排序，平均降低精度。当我使用VarImpPlot时，我似乎也应该考虑到负值。参数class = 1到底是什么？
浏览 4提问于2020-01-26得票数 0
1回答
我有一个R中的大型数据集(按6列排列的1M+行)，我想使用它来训练一个用于回归目的的随机林(使用randomForest包)。不幸的是，当我试图一次完成整个过程时，我会得到一个Error in matrix(0, n, n) : too many elements specified错误，并且在数据子集上运行时无法分配足够的内存类型的错误--下降到10,000个左右的观测值。
考虑到我不可能在我的机器上添加更多的RAM，随机林非常适合于我试图建模的进程类型，我真的很想让它工作。
任何建议或变通的想法都是非常感谢的。
浏览 2提问于2012-04-05得票数 7
回答已采纳
我一直在使用forestFloor包来可视化随机森林模型结构。在我尝试对caret包中的随机林输出使用forestFloor()之前，一切都很顺利。我需要为我的数据集使用caret而不是randomForest，因为我有严重不平衡的类，所以使用SMOTE采样策略。我修复了一些问题，将keep.inbag=TRUE和keep.forest=TRUE传递给caret::train，然后找到隐藏在train类对象$finalModel中的randomForest对象。
我仍然得到错误：Error in eval(substitute(expr), envir, enclos) : index out
浏览 11提问于2017-01-12得票数 2
回答已采纳
1回答
我需要一个分层的随机样本，由一个确定的地址数组成。我的分层变量是邮政编码。样本大小已经预先确定，并且每个邮政编码有不同的观察数。我如何将所需的每一个邮政编码的ob值合并起来？用PROC SURVEYSELECT可以做到这一点吗？我的样本大小在一个外部文件中。
示例：
邮政编码NUMBER_OBSERVATIONS
9999 10
8888 15
7777 10
6666 5
有可能吗？我该怎么做？谢谢
浏览 2提问于2021-06-24得票数 0
回答已采纳
1回答
随机森林变量长度不同
、、、、
我试图使用一个功能作为响应变量来运行RF。我在通过一个变量传递字符串时遇到了困难，该变量将用作RF中的响应。首先，我尝试在作为响应时通过变量的字符串上运行RF，并得到一个“向量长度不同的错误”。在此之后，我尝试输入实际的字符串(特性)作为响应，它运行得很好。你能解释一下为什么可变长度不同吗？谢谢。
> colnames(Data[1])
[1] "feature1"
> rf.file = randomForest(formula =colnames(Data[1])~ ., data = Data, proximity = T, importance =
浏览 0提问于2013-07-25得票数 0
回答已采纳
1回答
尝试另一种方法。我有一个数据集，由10000个观测值组成，每个ID有1000个。我希望通过proc测量选择函数从该数据集中运行每个ID。我希望第一个ID在函数中运行，然后循环到第二个ID来运行该函数。输出每个ID的数据集。如何执行？如果可能的话。
浏览 7提问于2022-05-31得票数 0
回答已采纳
1回答
我正在做kaggle的课内挑战，了解到XGBoost比RandomForest更快，但在实施时更慢。我想问一下XGBoost什么时候变得更快，什么时候RandomForest？？我是机器学习新手，需要提前了解你的help.Thanking
浏览 45提问于2019-02-01得票数 0
是否有可能生成一个树木完全相同的决策林？请注意，这是一个实验性的问题。据我所知，与单个决策树相比，随机森林有两个导致“随机性”的参数：
( 1)在决策树的每个节点随机抽样的特征数，以及
2)为创建树而绘制的训练示例的数量。
直观地说，如果我将这两个参数设置为它们的最大值，那么我应该避免“随机性”，因此每个创建的树都应该完全相同。因为所有的树都是完全相同的，所以不管森林中有多少树或不同的运行(即不同的种子值)，我都应该取得相同的结果。
我使用R中的randomForest库测试了这个想法，我认为前面提到的两个参数分别对应于'mtry‘和'sampsize’。我已经将这些值设置为它
浏览 2提问于2014-04-29得票数 0
1回答
感谢您抽出时间阅读这篇文章。
下面的代码创建了一个图表，该图表采用了100个样本，这些样本占总体(400)的5%到15%。
然而，我想要做的是在图表中添加另外两个部分。它看起来像这样：
从1-100个样本中抽取100个样本，这些样本占总体(400)的5%到15%。从101到200，取100个样本，占总人口的5%到15% (800)。从201-300中抽取100个样本，占总人口(300)的5%到15%。
我假设这需要一个嵌套的for循环。有谁有关于如何做到这一点的建议吗？
耽误您时间，实在对不起。柯尔斯腾
N <- 400
pop <- c(1:N)
lower.bound <
浏览 14提问于2017-08-06得票数 0
回答已采纳
我有一个问题，运行一个randomForest并行使用前面的每一个。看这个例子，我创建了一些数据，然后是公式符号。这个公式本身适用于一个randomForest。但在前程并行循环中却失败了.？
# rf on big training set
# use parallel foreach
library(foreach)
library(doMC)
registerDoMC(4) #change the 2 to your number of CPU cores
# info on parrallell backend
getDoParName()
getDoParWorkers()
浏览 5提问于2013-09-20得票数 2
回答已采纳
我在R方面训练过一个模特：
require(caret)
require(randomForest)
myControl = trainControl(method='cv',number=5,repeats=2,returnResamp='none')
model2 = train(increaseInAssessedLevel~., data=trainData, method = 'rf', trControl=myControl)
数据集相当大，但模型运行良好。我可以访问它的部件并运行命令，例如：
> model2[3]
$resu
浏览 7提问于2013-09-02得票数 19
回答已采纳
2回答
Rborist并行化
、、、
我有一个大的n (>1,000,000)数据集，它有少量的特性来估计(回归)随机森林，并且一直在寻找实现Rborist ( R)的方法。我想将我的工作并行化，但对于如何做到这一点，我没有找到太多的指导。我有16个处理器可以在运行的机器上使用。例如，当我在doParallel包中使用randomForest包时，命令：
rf <- foreach(ntree=rep(32, 16), .combine=combine, .packages='randomForest') %dopar% randomForest(x, y, nodesize = 25, ntree=n
浏览 5提问于2016-08-18得票数 2
我必须在R中用随机森林进行回归，我的问题是我的数据是巨大的:我有12个变量和400多个条目。当我尝试-代码写在底部-得到一个randomForest回归，系统需要许多小时来处理数据:经过5，6个小时的计算，我有义务停止操作，没有任何输出。有人能建议我怎样才能更快地得到它吗？谢谢
library(caret)
library(randomForest)
dataset <- read.csv("/home/anonimo/Modelli/total_merge.csv", header=TRUE)
dati <- data.frame(dataset)
attach
浏览 7提问于2016-01-10得票数 5
回答已采纳
我无法从文档中判断R中的predict.H2OModel()包中的h2o函数是否对使用h2o.randomForest()构建的随机森林模型进行OOB预测。
事实上，在我尝试过的3-4个例子中，predict.H2OModel()的结果似乎更接近于来自randomForest包的非OOB预测，而不是OOB。
有人知道它们是否是OOB预测吗？如果没有，您知道如何获得h2o.randomForest()模型的OOB预测吗？
示例：
set.seed(123)
library(randomForest)
library(h2o)
data(mtcars)
d = mtcars[,c('mp
浏览 1提问于2018-05-22得票数 4
回答已采纳
1回答
我对SAS相当陌生，我继承了每一段代码，这些代码从示例框架中选择行，并将它们作为示例放到另一个数据集中。758是它采样的行数。srno似乎是一个简单的序列号系统。
data FinalSample;
srno=0;
SampSize = 758;
ObsLeft = Totobs;
do while (SampSize > 0);
PickIt +1;
if ranuni(0) < SampSize / ObsLeft then do;
set SampleFrame point = Pi
浏览 0提问于2015-08-25得票数 1
回答已采纳
我在randomForest的R包中遇到了一个错误，在我使用Caret将数据拆分成训练和测试之后，当我去预测时，我遇到了错误：
Error in predict.randomForest(randomForestFit, type = "response", newdata =testing$GEN)
:number of variables in newdata does not match that in the training data
我从完全相同的文件中拆分了训练和测试中的文件。任何数据中都没有N/A或缺失值。下面是我的完整代码，但我不认为其中有错误。我不知道为什
浏览 5提问于2014-06-30得票数 0
我从randomForest那里得到了一些奇怪的行为:我有时会在我的训练数据集上得到NAs的预测！！这完全是随机的，看到这两次跑得到不同的结果！
> rf <- randomForest(formula(rfFormula), data = df2, ntree = 20, keep.forest = TRUE)
> pr <- predict(rf, type = "response")
> any(is.na(pr))
[1] TRUE
> which(is.na(pr))
1283
1001
>
> rf <-
浏览 3提问于2019-11-07得票数 0
回答已采纳
嗨，我在R中使用randomForest，它不接受逻辑变量作为响应(Y)，但似乎接受它作为预测器(X)。我有点惊讶，我认为逻辑基本上是2级因素.
我的问题是: randomForest接受逻辑作为预测，而不是作为响应，这是真的吗？为什么是这样？其他通用模式(glmnet，svm，.)接受逻辑变量？
如有任何解释/讨论，不胜感激。谢谢
N = 100
data1 = data.frame(age = sample(1:80, N, replace=T),
sex = sample(c('M', 'F'), N, replac
浏览 0提问于2015-12-03得票数 4
回答已采纳
3回答
假设我想在函数中使用for循环迭代不同的值(例如，randomForest)
for (i in c(100, 200, 500)){
randomForest(Predictor ~., data = train, ntree = i)}
传递给我要计算的randomForest函数的一个值是默认值(假设我不知道randomForest中ntree的默认值是500)
如何在for循环中指定？
for (i in c(100,200, default)){
randomForest(Predictor ~., data = train, ntree = i)}
浏览 0提问于2018-12-10得票数 1
回答已采纳
我正在查看randomForest的包文档，以了解不同的功能。我开始使用margin()函数，文档中的示例对我来说不起作用。
我试过的代码是
library(randomForest)
set.seed(1)
data(iris)
iris.rf <- randomForest(Species ~ ., iris, keep.forest=FALSE)
plot(margin(iris.rf))
我知道错误了
单元(c(t，r，b，l)，单元)中的错误：(列表)对象不能被强制键入'double‘
我不知道出了什么问题。我正在使用Windows10，R版本3.3.2 (20
浏览 5提问于2016-12-01得票数 1
我正在R studio中学习教程，我不能在编译代码
下面的代码行不起作用，我也不明白为什么。请帮帮忙。
model <- randomForest(play ~ ., data = weather, ntree = 500, mtry = 4, importance = TRUE)# Save model to RDS file
Y-y式中的错误:二进制运算符的非数值参数:警告消息: 1: in randomForest.default(m，y，.)：
响应有五个或更少的唯一值。您确定要进行回归吗? 2:在mean.default(y)：参数不是数字或逻辑:返回NA
浏览 4提问于2021-10-01得票数 0
回答已采纳
我是随机森林分类器的新手。我使用它来分类有两个类的数据集。-特征数目为512。-数据的比例为1:4，即75%的数据来自第一级，25%来自第二类。-我用了500棵树。
该分级机的袋外误差为21.52%。第一类(由75%的培训数据表示)的每类错误为0.0059。而第二类的分类错误确实很高: 0.965。
我正在寻找对这种行为的解释，如果你有建议，提高二等的准确性。
我期待着你的帮助。
谢谢
忘了说我在使用R，在上面的测试中我使用了1000的节点大小。
在这里，我只用10棵树和nodesize= 1重复了训练(只是为了给出一个想法)，下面是R中的函数调用和混淆矩阵：
randomForest(公
浏览 7提问于2012-04-24得票数 4
回答已采纳
我知道如何更改nodesize (终端节点中的最小行数)在RandomForest中的值。但是，我想知道，给定一个RandomForest模型，nodesize的值是多少。
require(party)
require (data.table)
require (e1071)
require (randomForest)
dat1 <- fread('https://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data',stringsAsFactors=T)
## split da
浏览 0提问于2018-12-02得票数 1
回答已采纳
在R包randomForest上，参数keep.Forest设置为True做什么？
library(randomForest)
rf_model <- randomForest(rf_train_data$revenue ~ ., data= train_merged, keep.forest=TRUE, ntree=30)
浏览 1提问于2016-11-04得票数 0
让我们从一些简单的代码开始：
require(randomForest)
randomForest(mpg~.,mtcars,ntree=10)
这是一个由10棵树组成的随机森林。
我想要的是将参数存储在列表中，而不是调用函数。就像这样：
require(randomForest)
l<-list(ntree=10)
randomForest(mpg~.,mtcars,l[[1]])
然而，这是行不通的。错误信息是：
Error in if (ncol(x) != ncol(xtest)) stop("x and xtest must have same number of co
浏览 2提问于2016-11-25得票数 6
回答已采纳
我对RandomForest的以下“行为”感到困惑，并想知道其他用户是否也经历过这种情况--以及我可以做些什么来避免这种情况:在其他条件相同的情况下(并且使用相同的OOB值)，randomForest模型的结果(例如，它对错误率的OOB值估计)只能通过改变数据表的特征(=列)的顺序来改变。在以下代码中，i 1)运行randomForest()一次: OOB =23.06%2)随机更改数据表的顺序3)使用更改的数据表再次运行randomForest()：OOB=22.53% R.version.string
library(randomForest)
library(dplyr)
df &l
浏览 48提问于2020-04-27得票数 1
有人知道对rfsrc的标准调用要执行多少次自举或子采样吗？
rf1<-rfsrc(Surv(time,status)~., data=myTable)
另外，在上述设置下被描述为对我而言为“累积OOB错误率”的rf1$err.rate是长度为1000的向量，其中999个元素是NA，并且只有最后一个元素是错误率(在0和0.5之间)。这是预期的行为吗？最后一个值是所有引导的平均误差吗？
更新:我找到了一个设置block.size，它规定了1000个OOB错误率中返回多少个。如果您将其设置为例如10，则每隔1秒填充一次OOB错误率。然而，我仍然不确定的是，这些错误率中的每一个都计算了多少个引导
浏览 2提问于2019-09-06得票数 0
1回答
我希望通过绘制OOB错误和树数来获得随机森林的最优树数，并查看错误平台在哪一点。然而，由于我的问题涉及文本挖掘，所以我的训练数据是稀疏矩阵类型的，即在dgCMatrix中。这意味着我不能使用randomForest包来训练我的模型，因为randomForest不支持稀疏矩阵。相反，我必须使用游侠包，但护林员不给OOB错误与树的数目。我尝试过将我的稀疏矩阵转换成9万×5,500维的数据来在randomForest中运行，但是即使是并行执行，它也需要很长的时间，而且我没有这种计算能力。
所以我的问题是：
如何使用游侠绘制OOB错误与树数的关系？
，，还有什么方法可以将稀疏矩阵转换成数据？到目前为止
浏览 1提问于2020-09-17得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
