## randomForest(formula = diagnosis ~ ., data = train_data) ## Type of random forest: classification ## Number of trees: 500 ## No. of variables tried at each split: 5 ## ## OOB estimate of error rate: 4.77% ## Confusion matrix: ## B M class.error ## B 244 6 0.02400000 #...
importance = TRUE, ntree = 500)# Type of random forest: classification# Number of trees: 500# No. of variables tried at each split: 6## OOB estimate oferrorrate: 22.4%# Confusion matrix:# 0 1 class.error# 0
OOB estimate of error rate: 7.22% Confusion matrix: setosa versicolor virginica class.error setosa 31 0 0 0.00000000 versicolor 0 32 3 0.08571429 virginica 0 4 27 0.12903226 从上面对模型的解释中,我们可以看到该模型的oob error为7.22%,下面的矩阵表明第二类和第三类存在误判。 # 绘制每一棵树的误判率...
生成树时没有用到的样本点所对应的类别可由生成的树估计，与其真实类别比较即可得到袋外预测（out-of-bag，OOB）误差，即OOB estimate of error rate，可用于反映分类器的错误率。此处为为1.19%，显示分类器模型的精准度是很高的，可以有效识别两类分组。Confusion matrix比较了预测分类与真实分类的情况，class.err...
No. of variables tried at each split: 3 OOB estimate of error rate: 25% Confusion matrix: NO YES class.error NO 34 18 0.3461538 YES 11 53 0.1718750 BC.rf模型为分类模型,模型生成了500棵决策树,决策树每次分裂会随机选择3个解释变量作为候选变量,袋外数据误差率为25%=(18+11)/116,袋外数据混淆...
OOB estimate of error rate: 5.41% Confusion matrix: setosa versicolor virginica class.error setosa 39 0 0 0.00000000 versicolor 0 33 3 0.08333333 virginica 0 3 33 0.08333333 MDSplot():函数用于实现随机森林的可视化 specialmds <- cmdscale(1="" -="" m$proximity,="" eig=""> ...
## No. of variables tried at each split: 5 ## ## OOB estimate of error rate: 4.77% ## Confusion matrix: ## B M class.error ## B 244 6 0.02400000 ## M 13 135 0.08783784 plot(rf.biop) 1. 2. 3. 4. 5. 6. 7. 8.
生成树时没有用到的样本点所对应的类别可由生成的树估计,与其真实类别比较即可得到袋外预测(out-of-bag,OOB)误差,即OOB estimate of error rate,可用于反映分类器的错误率。此处为为1.19%,显示分类器模型的精准度是很高的,可以有效识别两类分组。 Confusion matrix比较了...
生成树时没有用到的样本点所对应的类别可由生成的树估计,与其真实类别比较即可得到袋外预测(out-of-bag,OOB)误差,即OOB estimate of error rate,可用于反映分类器的错误率。此处为为1.19%,显示分类器模型的精准度是很高的,可以有效识别两类分组。 Confusion matrix比较了预测分类与真实分类的情况,class.error代表...
袋外错误率(oob error)计算方式如下: 对每个样本计算它作为oob样本的树对它的分类情况 以简单多数投票作为该样本的分类结果 最后用误分个数占样本总数的比率作为随机森林的oob误分率 randomForest::randomForest 在R语言中,我们调用randomForest包中的randomForest()函数来实现随机森林算法,该函数中的决策树基于基尼指...