隨機森林回歸

回歸問題指的是因變量或者被預測變量是連續性變量的情形，比如預測身高體重的具體數值是多少的情形。整個代碼大致可以分為包、數據、模型、預測評估4個部分，接下來逐一解讀。

1、包部分，也就是加載各類包，包括隨機森林包randomForest，數據相關包tidyverse、skimr、DataExplorer，模型評估包caret。

2、數據部分，主要是讀取數據，處理缺失值，轉換變量類型。

3、模型部分。

為了對模型的泛化能力有更準確的評估，先將數據集拆為訓練集和測試集，后續將在訓練集上訓練模型，然后以測試集上的結果評估模型泛化能力。

模型訓練部分及模型結果部分的代碼如下：

# 因變量自變量構建公式 colnames(boston) form_reg <- as.formula(   paste0(     "medv ~ ",     paste(colnames(traindata)[1:13], collapse = " + ")   ) ) form_reg# 訓練模型 set.seed(42) fit_rf_reg <- randomForest(   form_reg,   data = traindata,   ntree = 500, # 決策樹棵數   mtry = 6, # 每個節點可供選擇的變量數目   importance = T # 輸出變量重要性 )# 模型概要 fit_rf_reg # ntree參數與error之間的關系圖示 plot(fit_rf_reg, main = "ERROR & TREES")# 變量重要性 importance(fit_rf_reg) varImpPlot(fit_rf_reg, main 

總結

以上是生活随笔為你收集整理的R语言实战应用精讲50篇（二十七）-R语言实现随机森林（附R语言代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。