Fatal编程技术网
  • r/
  • party package R中的条件推理树：如何基于OOB数据预测模型和方差重要性？

party package R中的条件推理树：如何基于OOB数据预测模型和方差重要性？

r machine-learning

party package R中的条件推理树：如何基于OOB数据预测模型和方差重要性？,r,machine-learning,random-forest,R,Machine Learning,Random Forest,我使用R中方包的cforest来计算条件推理树。与随机林类似，我想根据OOB数据检索解释的方差和方差重要性（我读到随机林返回解释的方差和基于OOB数据的变量重要性）。要使用cforest执行此操作，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 , mtr

我使用R中
方
包的
cforest
来计算条件推理树。与随机林类似，我想根据
OOB
数据检索解释的方差和方差重要性（我读到随机林返回解释的方差和基于OOB数据的变量重要性）。要使用
cforest
执行此操作，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)

model函数
cforest
中的
OOB
参数用于
逻辑定义袋外预测

只有在
cforest
中传递
newdata
参数时，这才是
TRUE
，该参数通常是测试数据帧。如果
newdata
参数在那里，并且您已经设置了
OOB=TRUE
，那么您将在此
newdata
上获得
出袋预测

我希望这能澄清你的疑问