我尝试使用随机森林进行回归。原始数据是一个218行9列的数据帧。前8列是分类值(可以是A、B、C或D)，最后一列V9的数值范围从10.2到999.87。
当我在一个训练集上使用随机森林，它代表了原始数据的2/3，并且是随机选择的，我得到了以下结果:
>r=randomForest(V9~.,data=trainingData,mytree=4,ntree=1000,importance=TRUE,do.trace=100)
| Out-of-bag |
Tree | MSE %Var(y) |
100 | 6.927e+04 98.98 |
200 | 6.874e+04 98.22 |
300 | 6.822e+04 97.48 |
400 | 6.812e+04 97.34 |
500 | 6.839e+04 97.73 |
600 | 6.852e+04 97.92 |
700 | 6.826e+04 97.54 |
800 | 6.815e+04 97.39 |
900 | 6.803e+04 97.21 |
1000 | 6.796e+04 97.11 |
我不知道高方差百分比是否意味着模型是好的。此外，由于MSE很高，我怀疑回归模型并不是很好。知道如何阅读上面的结果吗?他们是说这个模式不好吗?
就像@Joran说的，%Var是随机森林模型解释的Y的总方差。调整后，将模型应用于您的验证数据(剩余1/3):
RFestimated = predict(r, data=ValidationData)
检查残差也很有趣:
qqnorm((RFestimated - ValidationData$V9)/sd(RFestimated-ValidationData$V9))
qqline((RFestimated-ValidationData$V9)/sd(RFestimated-ValidationData$V9))
估计值与观测值:
plot(ValidationData$V9, RFestimated)
和均方根误差:
RMSE <- (sum((RFestimated-ValidationData$V9)^2)/length(Validation$v9))^(1/2)
我希望这有帮助!