邻近矩阵-随机森林，R

我在R中使用randomForest包，它允许计算邻近矩阵（p）。在包的描述中，它将参数描述为：“如果调用randomForest时接近度=TRUE，则输入之间的接近度度量矩阵（基于数据点对位于相同终端节点中的频率）。”

我获得了随机森林的邻近矩阵，如下所示：

P <- randomForest(x, y, ntree = 1000, proximity=TRUE)$proximity

---

P
因为与默认预测一样，默认接近度仅使用树计算，而用于构建树的样本中未包含任何观察（它们是“现成的”）
每对案例发生这种情况的次数会略有不同，当然不会像1000这样是一个很好的整数

您会注意到，在
邻近性
之后列出的下一个参数叫做
oob.prox
，指示是只使用包外对（默认值）还是使用每一棵树。
只是为了补充上述答案，因为这对我来说也很奇怪，如果它对任何人都有帮助，根据布雷曼（我引用）:

“一种内在的接近度量。
由于单个树未运行，因此终端节点将包含
只有少数实例。运行培训集中的所有案例
从树上下来。如果情况i和情况j都位于同一终端
节点。将i和j之间的距离增加1。在…的结尾
运行时，近邻被除以中的树数的两倍
一个箱子和它本身之间的距离和接近度设置为1

Breiman的论文中提到了上述内容，这是randomForest函数的参考。
邻近性是指不同树的两个数据点在同一叶节点上结束的频率的比例。
他说“在树下的训练集中运行所有案例。”我以为这应该是现成的箱子。@Keith Breiman可能在使用另一种方法，R's randomForest的方法。