将随机森林设置为分类

Question

我正在尝试对类变量为二进制（1 或 0）的一些数据进行随机森林。这是我正在运行的代码：

forest.model <- randomForest(x = ticdata2000[,1:85], y = ticdata2000[,86], 
                       ntree=500,
                       mtry=9,
                       importance=TRUE,
                       norm.votes=TRUE,
                       na.action=na.roughfix,
                       replace=FALSE,
                             )

但是当森林走到尽头时，我收到以下错误：

Warning message:
In randomForest.default(x = ticdata2000[, 1:85], y = ticdata2000[,  :
  The response has five or fewer unique values.  Are you sure you want to do regression?

答案当然是否定的。我不想做回归。我有一个仅包含 2 个类的离散变量。当然，当我使用这个模型进行预测时，我会得到连续的数字，而我想要一个 0 和 1 的列表。有人能告诉我我做错了什么让这个使用回归而不是分类吗？

Answer 1

使用as.factor（或仅factor）将您的响应列更改为一个因子。由于您将该变量存储为 numeric 0 和 1，R 正确地将其解释为数字变量。如果你想让 R 以不同的方式对待它，你必须告诉它。

y 参数下的文档中提到了这一点：

响应向量。如果是因子，则假定分类，否则 假设回归。如果省略，randomForest 将运行在 无监督模式。