r - 提取与新观察相关联的每棵树的终端节点

Question

我想提取随机森林 R 实现的终端节点。据我了解随机森林，您有一系列正交树。当您预测一个新的观测值（回归）时，它会进入所有这些树，然后对每棵树的预测进行平均。如果我不想平均，但可能对这些相应的观察结果进行线性回归，我需要一个与这个新观察结果“相关”的观察结果列表。我已经浏览了源代码，但还没有想出一种方法来获得它。谁能帮我？

Answer 1

必须有更好的方法来做到这一点，但这里有一个解决方法：

library(randomForest)
set.seed(713)
## data
my.df <- data.frame(x = rnorm(100), y = rnorm(100))
## forest
rf <- randomForest(y ~ x, data = my.df, ntree = 10, keep.inbag = TRUE)

keep.inbag = TRUE保存用于拟合此示例中 10 棵树中的每棵树的 inbag 观测值

predList <- lapply(seq_len(rf$ntree), function(z) 
            predict(rf, newdata = my.df[rf$inbag[, z] == 1, ], nodes = TRUE))

nodes = TRUE跟踪每个观察结束的终端节点。

node.list <- lapply(seq_len(rf$ntree), function(z) 
            split(x = my.df[rf$inbag[, z] == 1, "x"], 
                    f = attr(predList[[z]], "nodes")[, z]))

第一棵树的前三个终端节点：

node.list[[1]][1:3]

$`3`
[1] 2.028358 2.071939

$`7`
[1] 0.8306559

$`9`
[1] 1.660134 1.621299