R 随机森林分类公式的构造及预测

我有以下代码：

RFmodel = randomForest(as.factor(trainset[,55]) ~ . , trainset, ntree = ntree.array[i], mtry = mtry.array[j], maxnodes = maxnodes.array[k])
RFyhat = predict(RFmodel , testset[,-55])
RFyhat = as.numeric(levels(RFyhat)[RFyhat])
Testerr.randomforest[i,j,k] = sum(RFyhat != testset[,55])/length(testset[,55])

该代码在第二行中抛出一个错误，即：

eval（expr、envir、enclose）中出错：找不到对象“V55”

---

然而，奇怪的是，当我做两件事中的一件时，错误消失了，1）将第一行中的trainset[，55]更改为trainset$V55，2）将testset[，-55]更改为testset。然而，错误率略有不同（我想是因为在后者中，我使用testset[，55]作为自变量，但这只是我的猜测）。有谁能向我解释一下使用trainset[，55]和trainset$V55之间的区别，以及在这种情况下的正确用法吗？

这是因为您误用了R的公式接口。公式如下：

as.factor(trainset[,55]) ~ .

在数据集

trainset

内进行的评估将包括左侧作为响应，以及trainset中的所有变量作为预测值。这是因为您没有在左侧给出变量的名称，所以

被解释为所有“其他”，但在本例中所有“其他”都是所有，因为R在

列车集
中找不到称为“as.factor（列车集[，55]）”的东西

您可能想做一些更像：

trainset$V55 <- as.factor(trainset$V55)
RFmodel = randomForest(V55 ~ . , trainset, ...)

它使用
物种
作为响应，但也将其作为预测因子。您可以通过查看生成的随机林对象的
$call
或
$terms
属性来验证这一点。
这是因为您误用了R的公式接口。公式如下：

as.factor(trainset[,55]) ~ .

在数据集
trainset
内进行的评估将包括左侧作为响应，以及trainset中的所有变量作为预测值。这是因为您没有在左侧给出变量的名称，所以
被解释为所有“其他”，但在本例中所有“其他”都是所有，因为R在
列车集
中找不到称为“as.factor（列车集[，55]）”的东西

您可能想做一些更像：

trainset$V55 <- as.factor(trainset$V55)
RFmodel = randomForest(V55 ~ . , trainset, ...)

它使用
物种
作为响应，但也将其作为预测因子。您可以通过查看生成的随机林对象的
$call
或
$terms
属性来验证这一点。
谢谢！这帮了大忙。几个小问题：由于这是一个分类问题，我需要公式中的一个因子，因此为.factor（trainset[，55]）。公式中的as.factor（trainset$V55）是否按预期工作，或者我是否需要实际将其转换为一个factor，然后运行模型？第二，当我使用predict（）函数时，我是否需要将输入的数据集精确地限制为我需要的列，还是只使用模型公式中定义的自变量进行预测？非常感谢@贾斯汀（a）
as.系数（车组$V55）
应足够。（b） 您只需要确保模型中使用的所有内容（作为预测）都在测试集中；额外的变量应该被忽略。谢谢！这帮了大忙。几个小问题：由于这是一个分类问题，我需要公式中的一个因子，因此为.factor（trainset[，55]）。公式中的as.factor（trainset$V55）是否按预期工作，或者我是否需要实际将其转换为一个factor，然后运行模型？第二，当我使用predict（）函数时，我是否需要将输入的数据集精确地限制为我需要的列，还是只使用模型公式中定义的自变量进行预测？非常感谢@贾斯汀（a）
as.系数（车组$V55）
应足够。（b） 您只需要确保模型中使用的所有内容（作为预测）都在测试集中；应该忽略额外的变量。