【发布时间】：2014-08-04 01:52:50
【问题描述】：
我正在学习如何使用各种随机森林包，并从示例代码中编写了以下代码：
library(party)
library(randomForest)
set.seed(415)
#I'll try to reproduce this with a public data set; in the mean time here's the existing code
data = read.csv(data_location, sep = ',')
test = data[1:65] #basically data w/o the "answers"
m = sample(1:(nrow(factor)),nrow(factor)/2,replace=FALSE)
o = sample(1:(nrow(data)),nrow(data)/2,replace=FALSE)
train2 = data[m,]
train3 = data[o,]
#random forest implementation
fit.rf <- randomForest(train2[,66] ~., data=train2, importance=TRUE, ntree=10000)
Prediction.rf <- predict(fit.rf, test) #to see if the predictions are accurate -- but it errors out unless I give it all data[1:66]
#cforest implementation
fit.cf <- cforest(train3[,66]~., data=train3, controls=cforest_unbiased(ntree=10000, mtry=10))
Prediction.cf <- predict(fit.cf, test, OOB=TRUE) #to see if the predictions are accurate -- but it errors out unless I give it all data[1:66]
Data[,66] 是我试图预测的目标因素，但似乎通过使用“~”。解决它导致公式使用预测模型本身中的因子。
如何在高维数据上求解我想要的维度，而不必在公式中准确说明要使用的维度（所以我最终不会得到某种 cforest(data[,66 ] ~ data[,1] + data[,2] + data[,3}... 等等？
编辑： 在高层次上，我基本上相信一个
- 加载完整数据
- 将其分解为几个子集以防止过度拟合
- 通过子集数据训练
- 生成一个拟合公式，因此可以在给定数据 [1:65] 的情况下预测目标值（在我的情况下为 data[,66]）。
所以我现在的问题是，如果我给它一组新的测试数据，比如说 test = data{1:65]，它现在会显示“eval(expr, envir, enclos) 中的错误：”它所期望的位置数据[,66]。考虑到其余数据，我想基本上预测 data[,66]！
【问题讨论】：
-
我在
library(randomForest)中没有看到名为cforest的文档化函数。这是正确的包装吗？ -
data有列名吗？train3是什么？train3只有协变量吗？从您的示例看来，data具有所有变量，因此可能应该在data=参数中。这就是为什么最好提供reproducible example。 -
@MrFlick - 哎呀，派对包。
-
数据有列名——但使用它们有帮助吗？由于它是一个高（嗯，60+）维向量，我没有在导入时使用 c(col) 拼出列，但我确实做了一些预处理以确保所有维度都可以用数字格式表示。 train3 = 是训练集，随机选取 50% 的数据子集。 （感谢您的编辑。）
标签： r random-forest