R 在随机森林中使用验证和训练数据集

我在这里问一个关于在RandomForest包中使用RandomForest函数的基本问题。 我正在使用RF算法进行土地覆盖分类

我得到了一些地理空间数据，我将其分为训练数据集pks_trainingdf和验证数据集pks_validationdf

每个df包含34列；前33列是我想要用于分类的条带；最后一列类包含这些类，它们应该是RF分类的输出

我的问题是：哪个数据集是x的参数，哪个是xtest的参数？ 下面的代码行正确吗

modelRF_5 <- randomForest(x=pks_validationdf[, c(1:33)],
                       y=pks_validationdf$class, xtest=pks_trainingdf[, c(1:33)],
                       ytest=pks_trainingdf$class, importance=TRUE)

---

x表示训练子集，而xtest表示测试或验证子集。在你的情况下，它看起来与你相反。只有当两者的尺寸相同时才不重要，而通常情况并非如此。在划分为训练和验证子集之前，将数据集随机化非常重要。如果不是，你应该改变它。此外，分成三个子集比分成两个子集更安全。一个用于培训，另一个用于验证模型，最后一个用于报告错误

谢谢你的回答，这正是我想要的！所以，我通过随机抽样获得了我的训练和验证数据集，所以应该可以，对吧？如果我想将数据集分成三部分，它将如何工作？x将是训练数据集，x测试测试数据集以报告错误，那么验证数据集将去哪里…？如果我有训练像素+验证像素+未知像素，最后要分类的像素会怎样？如果有3个子集，首先使用验证数据集来调整模型并决定训练大小。您可以使用弯头方法绘制学习曲线并执行此操作。另一个分区测试用于检查和报告模型的最终准确性和错误度量。首先使用验证集，调整和诊断模型，然后使用测试集进行最终错误报告。很乐意帮忙。