绘制 mtry 和 n_tree 值以及准确性答案

【问题标题】：ploting the mtry and n_tree values along with the accuracy绘制 mtry 和 n_tree 值以及准确性
【发布时间】：2019-09-30 09:56:33
【问题描述】：

我必须用所有 3 个值在图上绘制 ntree 和 mtry 超参数值以及精度，并找出这 3 个值的交集值以最终确定传递范围内的最佳值

for(i in seq(1,100))
{    
    ntried[i]<-i
    for (j in seq(1,10)) 
    {
    mtried[j]<-j    
    rf_mod1 <- randomForest(target~., data = heartdb, ntree = 
    ntried[i] , mtry= mtried[j] , importance= TRUE )

    t<-predict(rf_mod1,data = heartdb)
    p<-table(actual =heartdb$target, prediction = t )
    accuracy[i]<-sum(diag(p))/sum(p)

   }
}

【问题讨论】：

为什么需要绘制它？你想最大限度地提高准确性，对吧？ which(accuracy == max(accuracy))
是的，我想最大化 mtry 和 ntree 的已知组合加上可视化图形太适合探索
我们没有你的数据，也不知道你正在使用什么包（有几个包有函数randomForest）来运行你的代码，我们看不到任何输出，所以我们所能做的就是猜测，直到有一个完整的例子。请重读How to Ask

标签： r plot random-forest

【解决方案1】：

正如您所写的那样，您的循环将不起作用，您将改为捕获随机森林，每个森林都尝试了 10 棵树。试试这个

accuracy <- matrix(rep( 0, times = 1000), ncol = 10)
for(i in seq(1,100))
{    
    ntried <- i
    for (j in seq(1,10)) 
    {
    mtried <- j    
    rf_mod1[j] <- randomForest(target~., data = heartdb, ntree = 
    ntried , mtry= mtried , importance= TRUE )

    t<-predict(rf_mod1,data = heartdb)
    p<-table(actual =heartdb$target, prediction = t )
    accuracy[i,j]<-sum(diag(p))/sum(p)
   }

}

现在每行准确度包含 10 个准确度。按行，搜索最大值：

apply(accuracy, 1, max)

您甚至可以绘制ntried 的每个级别的最大值：

plot(seq(1,100), apply(accuracy, 1, max))

最后，您可以调用以下命令返回包含所有 1000 个森林的最大准确度的行（ntried 级别）：

which(apply(accuracy, 1, max) == max(apply(accuracy, 1, max)))

【讨论】：

我只希望列索引为所有第 1000 个行索引的最大值
a13
我明白了。是的，您可以执行apply(accuracy, 1, function(x) which(x == max(x))) 来返回一个向量，其中包含行i 的最大值的列索引到nrow(accuracy)