4

我用我的数据创建了一个random forest：

fit=randomForest(churn~., data=data_churn[3:17], ntree=1,
                 importance=TRUE, proximity=TRUE)

我可以很容易地看到我的confusion matrix：

conf <- fit$confusion
> conf
     No Yes class.error
No  945  80  0.07804878
Yes  84 101  0.45405405

现在我需要知道随机森林的准确性。我四处搜索并意识到插入符号库有一个confusionMatrix方法可以获取混淆矩阵并返回准确性（以及许多其他值）。但是，该方法需要另一个名为"reference". 我的问题是如何为获得随机森林准确性的方法提供参考？而且......这是获得随机森林准确性的正确方法吗？

4

1 回答 1

6

用于randomForest(..., do.trace=T)查看训练期间的 OOB 错误，按类和 ntree。

（仅供参考，您选择ntree=1因此您只会得到一个 rpart 决策树，而不是森林，这违背了使用 RF 以及随机选择特征和样本子集的目的。您可能想要改变ntree值。 )

训练后，您可以从混淆矩阵的最右边一列中获得每类错误，正如您已经发现的那样：

> fit$confusion[, 'class.error']
class.error
No         Yes
0.07804878 0.45405405

（另外，您可能希望设置options('digits'=3)为不看到那些过多的小数位）

至于将类别错误列表（准确度 = 1 - 错误）转换为一个总体准确度数，这很容易做到。您可以使用均值、类加权均值、调和均值（准确度，而不是错误）等。这取决于您的应用程序和错误分类的相对惩罚。你的例子很简单，它只有两个类。

（或者例如有更复杂的评估者间一致性度量）

于 2015-06-08T22:09:44.253 回答