时间戳

首页 > 解决方案 > 派对包R中的条件推理树：如何根据OOB数据预测模型和方差重要性？

r - 派对包R中的条件推理树：如何根据OOB数据预测模型和方差重要性？

问题描述

我使用Rcforest中的party包来计算条件推理树。与随机森林类似，我想检索解释的方差和基于OOB数据的方差重要性（我读到随机森林返回解释的方差和基于 OOB 数据的变量重要性）。为此，cforest我使用了以下代码：

model <- party::cforest(y ~ x1 + x2 + x3 + x4 , data=trainings_set ,  control=cforest_unbiased(ntree=1000, minsplit=25 , minbucket=8 , mtry=4))
model.pred <- predict(model, type="response" , OOB=TRUE)
R2=1 - sum((trainings_set$y-model.pred)^2)/sum((trainings_set$y-mean(trainings_set$y))^2)
varimp_model=party::varimp(model, conditional = TRUE, threshold = 0.2, OOB = TRUE)

我对命令是否OOB=TRUE会导致模型被预测并根据OOB datatrainings_set 返回变量重要性感兴趣？

我之前以不同的标题发布了这个问题，再次发布（稍微重新起草），我希望有人能够提供答案？

标签： rmachine-learningrandom-forest

解决方案

函数中的OOB参数cforest是 for a logical defining out-of-bag predictions。

这仅TRUE在您传递通常是测试数据框的newdata参数时。cforest如果newdata参数在那里并且你已经设置OOB=TRUE，那么你会得到out-of-bag predictions这个newdata。

我希望这能澄清你的疑问。

推荐阅读