R 使用随机林创建二进制结果

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