R RandomForest：新对象的接近度答案

【问题标题】：R RandomForest: Proximity for new objectR RandomForest：新对象的接近度
【发布时间】：2012-01-22 03:57:23
【问题描述】：

我训练了一个随机森林：

model <- randomForest(x, y, proximity=TRUE)

当我想预测新对象的 y 时，我使用

y_pred <- predict(model, xnew)

如何根据现有的森林（模型）计算新对象 (xnew) 和训练集 (x) 之间的接近度？ predict 函数中的邻近选项仅给出新对象 (xnew) 之间的邻近度。我可以在组合数据集（x 和 xnew）上再次运行 randomForest 无监督以获得近似值，但我认为必须有某种方法来避免再次构建森林，而是使用已经存在的森林。

谢谢！基连

【问题讨论】：

标签： r proximity random-forest

【解决方案1】：

我相信您想要的是在 randomForest 调用本身中指定您的测试观察结果，如下所示：

set.seed(71)
ind <- sample(1:150,140,replace = FALSE)
train <- iris[ind,]
test <- iris[-ind,]

iris.rf1 <- randomForest(x = train[,1:4],
                         y = train[,5],
                         xtest = test[,1:4],
                         ytest = test[,5], 
                         importance=TRUE,
                         proximity=TRUE)

dim(iris.rf1$test$prox)
[1]  10 150

因此，您可以从 10 个测试用例到全部 150 个测试用例。

我认为，唯一的其他选择是在您的新案例 rbinded 上致电 predict 到原始培训案例。但这样一来，您就不需要在调用 randomForest 时预先准备好您的测试用例。

在这种情况下，您需要在randomForest 调用中使用keep.forest = TRUE，当然在调用predict 时设置proximity = TRUE。

【讨论】：

谢谢！致rbind 训练集的新案例对我来说效果很好。