使用 randomForest 包的海量数据集

【问题标题】：Massive datasets with the randomForest package使用 randomForest 包的海量数据集
【发布时间】：2014-01-20 04:12:38
【问题描述】：

我的模型中有大约 300,000 行数据和 10 个特征，我想从 R 中的 randomForest 包中拟合随机森林。

为了在不破坏概括性的情况下，在固定的时间窗口内最大限度地增加森林中的树木数量，我应该将参数设置为哪些合理范围？

【问题讨论】：

标签： r package

【解决方案1】：

通常你可以只使用mtry，正如这里解释的那样，默认值通常是最好的：

但是有一个带有 randomForest 的函数 tuneRF 可以帮助您找到最佳的 ntree 或 mtry，如下所述：

您必须花时间测试自己 - 这将是 foldstuningntrees 的产物。

我要补充的唯一推测点是，使用 300,000 行数据，您可能通过引导小数据样本在不损失预测准确性的情况下缩短运行时间？ ?

【讨论】：