问题标签 [random-forest]

我是随机森林分类器的新手。我正在使用它对具有两个类的数据集进行分类。- 特征数量为 512。 - 数据比例为 1:4。即，75% 的数据来自第一类，25% 来自第二类。- 我正在使用 500 棵树。

分类器产生 21.52% 的袋外错误。第一类（由 75% 的训练数据表示）的每类误差为 0.0059。而第二类的分类误差非常高：0.965。

我正在寻找这种行为的解释，如果您有提高第二类准确性的建议。

我期待着您的帮助。

谢谢

忘了说我使用的是 R 并且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：

• 随机森林（公式 = 标签 ~ .，数据 = chData30PixG12，ntree = 10，重要性 = TRUE，节点大小 = 1，keep.forest = FALSE，do.trace = 50）

• 随机森林类型：分类

• 树的数量：10

• 每次拆分尝试的变量数：22

• OOB 估计错误率：24.46%

• 混淆矩阵：

• 不相关的，相关的，class.error

• 无关 37954 , 4510 , 0.1062076
• 相关 8775 , 3068 , 0.7409440

我正在使用一个有很多 NA 的数据集。我知道前 6 列没有任何 NA。由于第一列是 ID 列，因此我将其省略。

我运行以下代码以仅选择在响应列中具有值的行：

然后，我使用以下代码将 sub1 用作 randomForest 中的数据集：

然后我运行这段代码来检查 NA 的输出：

如果输入的数据是干净的，我无法弄清楚为什么我会得到 NA。

有什么建议么？

我正在使用 R 中的 randomForest 包（R 版本 2.13.1，randomForest 版本 4.6-2）进行回归，并注意到我的结果存在显着偏差：预测误差取决于响应变量的值。高值预测不足，低值预测过高。起初我怀疑这是我的数据的结果，但以下简单示例表明这是随机森林算法固有的：

毫无疑问，树方法在线性方面有其局限性，但即使是最简单的回归树，例如 R 中的 tree()，也不会表现出这种偏差。我无法想象社区不会意识到这一点，但没有发现任何提及，它通常是如何纠正的？感谢您的任何评论

编辑：这个问题的例子是有缺陷的，请参阅堆栈交换中的“RandomForest for regression in R - response distributiondependent bias”以获得改进的处理https://stats.stackexchange.com/questions/28732/randomforest-for-regression -in-r-response-distribution-dependent-bias

我是 R 的新手，我想使用 caret 包实现随机森林算法。

有什么有用的教程，一步一步来吗？

我在这里做错了什么？“下标越界”是什么意思？

我从革命 R 在线研讨会中获得了以下代码（第一个块）摘录，该研讨会有关 R 中的数据挖掘。我试图将其合并到我运行的 RF 模型中，但无法通过我认为的变量排序。我只想绘制变量的重要性。

我在下面提供了更多内容以提供上下文。但我真正错误的是第三行代码。第二个代码块是应用于我正在处理的数据时遇到的错误。谁能帮我解决这个问题？

我的错误：

我正在使用随机森林对大量天文物体进行分类，并且做得相对不错。但是，我想通过合并有关每个功能的方差（或误差条）的信息来进一步提高性能。

在天文学中，每次测量通常都有一个相关的误差线。例如，如果我测量红色和蓝色，每个颜色测量值都是亮度的测量值（在天文学中，即恒星的大小），误差，例如 R 等 14 +- 0.2，B 等12 + - 0.15。

我想弄清楚如何让随机森林使用错误栏作为额外的信息。有任何想法吗？

我正在使用 randomForest 来找出最重要的变量。我期待一些输出来定义模型的准确性，并根据变量的重要性对变量进行排名。但我现在有点困惑。我尝试了 randomForest，然后运行importance()以提取变量的重要性。但是后来我看到了另一个命令rfcv（用于特征选择的随机森林交叉验证），我想这应该是最适合这个目的的，但我对此的问题是：如何获取最重要变量的列表？运行后如何查看输出？使用哪个命令？

randomForest另一件事：和有什么区别predict.randomForest？

我对随机森林和 R 不是很熟悉，因此我们将不胜感激。

先感谢您！

我很难理解如何构建 ROC 曲线，现在我得出的结论是，我可能没有正确创建模型。我在类属性“y_n”为 0 或 1 的数据集中运行随机森林模型。出于预测目的，我将数据集划分为 bank_training 和 bank_testing。这是我做的步骤：

到目前为止我所做的是否正确？创建的 bankrf.pred 对象是一个列表对象，具有 2 个名为：聚合和个体的类。我不明白这两个类名是从哪里来的？此外，当我运行时：

这个总结是什么意思？数据集（训练和测试）分别为 22605 和 22606。如果有人可以向我解释发生了什么，我将不胜感激。我认为这一切都有问题。

当我尝试使用 ROCR 设计 ROC 曲线时，我使用以下代码：

我尝试创建 ROC 曲线的方式只是一个错误，还是从 randomForest 开始？

我正在研究一个基于随机森林的项目。我看到一个关于随机森林创建的 ppt (Rec08_Oct21.ppt)(www.cs.cmu.edu/~ggordon/10601/.../rec08/Rec08_Oct21.ppt)。我想问一个问题。在扫描随机选择的特征及其信息增益值后，我们选择特征 j 的 IG 最大值的特征。那么，我们如何使用这些信息进行拆分呢？在这之后我们如何进行？

我有 d_x 输入特征和 d_y 输出的多输出回归问题。输出具有复杂的非线性相关结构。

我想使用随机森林进行回归。据我所知，用于回归的随机森林仅适用于单个输出，因此我必须训练 d_y 随机森林 - 每个输出一个。这忽略了它们的相关性。

是否存在考虑输出相关性的随机森林扩展？可能类似于多任务学习的高斯过程回归。

谢谢。