如何知道由随机森林生成的回归模型是否良好？（MSE和%Var（y））_R_Random Forest_Variance_Mean Square Error

如何知道由随机森林生成的回归模型是否良好？（MSE和%Var（y））

如何知道由随机森林生成的回归模型是否良好？（MSE和%Var（y））,r,random-forest,variance,mean-square-error,R,Random Forest,Variance,Mean Square Error,我尝试使用随机森林进行回归。原始数据是一个218行9列的数据帧。前8列是分类值（可以是A、B、C或D），最后一列V9的数值可以从10.2到999.87 当我在一个训练集中使用随机森林时，它代表了原始数据的2/3，并且是随机选择的，我得到了以下结果 >r=randomForest(V9~.,data=trainingData,mytree=4,ntree=1000,importance=TRUE,do.trace=100) | Out-of-bag | Tre

我尝试使用随机森林进行回归。原始数据是一个218行9列的数据帧。前8列是分类值（可以是A、B、C或D），最后一列V9的数值可以从10.2到999.87

当我在一个训练集中使用随机森林时，它代表了原始数据的2/3，并且是随机选择的，我得到了以下结果

>r=randomForest(V9~.,data=trainingData,mytree=4,ntree=1000,importance=TRUE,do.trace=100)
       |      Out-of-bag   |
  Tree |      MSE  %Var(y) |
   100 | 6.927e+04    98.98 |
   200 | 6.874e+04    98.22 |
   300 | 6.822e+04    97.48 |
   400 | 6.812e+04    97.34 |
   500 | 6.839e+04    97.73 |
   600 | 6.852e+04    97.92 |
   700 | 6.826e+04    97.54 |
   800 | 6.815e+04    97.39 |
   900 | 6.803e+04    97.21 |
  1000 | 6.796e+04    97.11 |

我不知道高差异百分比是否意味着模型是好的还是不好的。此外，由于MSE很高，我怀疑回归模型不是很好。你知道如何阅读上面的结果吗？它们是否意味着模型不好？

就像@Joran告诉我们的那样，%Var是由随机森林模型解释的Y的总方差量。调整后，将模型应用于验证数据（剩余1/3）：

检查残差也很有趣：

qqnorm((RFestimated - ValidationData$V9)/sd(RFestimated-ValidationData$V9))

qqline((RFestimated-ValidationData$V9)/sd(RFestimated-ValidationData$V9))

估计值与观测值：

plot(ValidationData$V9, RFestimated)

以及RMSE：

RMSE <- (sum((RFestimated-ValidationData$V9)^2)/length(Validation$v9))^(1/2)

RMSE解释的%Var如此之高，而变化如此之小（方向错误），这一事实肯定会让我产生怀疑。模型评估既是一门科学，也是一门艺术。模型如何在保留的测试数据上执行？尝试查看拟合与实际数据的曲线图。感谢你们的帮助！！！
RMSE <- (sum((RFestimated-ValidationData$V9)^2)/length(Validation$v9))^(1/2)