R 使用随机林创建二进制结果
我的数据集如下所示:R 使用随机林创建二进制结果,r,machine-learning,random-forest,R,Machine Learning,Random Forest,我的数据集如下所示: TEAM1 TEAM2 EXPG1 EXPG2 Gewonnen ADO Den Haag Groningen 1.5950 1.2672 1 我现在尝试根据EXPG1和EXPG2预测列Gewonnen。因此,我创建了一个培训和测试集,并正在创建以下模型(全部使用rcaret): 这个答案有点推测性,因为您忽略了有关数据集的一些关键细节,而且我还没有广泛使用caret软件包。这就是说,您似乎正在以回归模
TEAM1 TEAM2 EXPG1 EXPG2 Gewonnen
ADO Den Haag Groningen 1.5950 1.2672 1
我现在尝试根据EXPG1
和EXPG2
预测列Gewonnen
。因此,我创建了一个培训和测试集,并正在创建以下模型(全部使用rcaret
):
这个答案有点推测性,因为您忽略了有关数据集的一些关键细节,而且我还没有广泛使用
caret
软件包。这就是说,您似乎正在以回归模式运行随机林,这意味着您将得到一个连续函数。这意味着预测的响应值可以是0
、1
,或者介于0
和1
之间的任何值。如果您的Gewonnen
列只有0
或1
的值,并且您希望预测值也以这种方式运行,那么您可以尝试将Gewonnen
转换为分类变量。因此,这可能会告诉随机林以分类模式而不是回归模式运行
Gewonnen <- as.factor(Gewonnen)
Gewonnen首先,正如Tim Biegeleisen所说,您应该将Gewonnen
变量转换为一个因子(在训练集和测试集中),如果它还没有:
training$Gewonnen <- as.factor(training$Gewonnen)
testing$Gewonnen <- as.factor(testing$Gewonnen)
对于混淆矩阵,您需要类别标签(即上面的pred2
):
你在随机森林中使用什么软件包?您的问题的答案是,您需要在分类模式下运行随机林。您现在正在以回归模式运行它。我向您投了赞成票,因为您给出了实现细节,我当时不知道,也找不到自己。你也用你自己的方式承认了我的答案,这在现在是很少见的。@TimBiegeleisen Thanx,这是我一直在做的事!:-)我也投了赞成票,因为我认为你的答案基本上就是人们所要求的。
modFit <- train(Gewonnen~ EXPG1 + EXPG2, data=training, method="rf", prox=TRUE)
Gewonnen <- as.factor(Gewonnen)
training$Gewonnen <- as.factor(training$Gewonnen)
testing$Gewonnen <- as.factor(testing$Gewonnen)
library(caret)
library(mlbench)
data(Sonar)
str(Sonar$Class)
# Factor w/ 2 levels "M","R": 2 2 2 2 2 2 2 2 2 2 ...
set.seed(998)
inTraining <- createDataPartition(Sonar$Class, p = .75, list = FALSE)
training <- Sonar[ inTraining,]
testing <- Sonar[-inTraining,]
modFit <- train(Class ~ ., data=training, method="rf", prox=TRUE)
pred <- predict(modFit, testing, type="prob") # for class probabilities
head(pred)
# M R
# 5 0.442 0.558
# 10 0.276 0.724
# 11 0.096 0.904
# 12 0.360 0.640
# 20 0.654 0.346
# 21 0.522 0.478
pred2 <- predict(modFit, testing, type="raw") # for class labels
head(pred2)
# [1] R R R R M M
# Levels: M R
confusionMatrix(pred2, testing$Class)
# Confusion Matrix and Statistics
# Reference
# Prediction M R
# M 25 6
# R 2 18