R-ランダムフォレスト

ランダムフォレストアプローチでは、多数の決定木が作成されます。すべての観測は、すべての決定ツリーに送られます。各観測の最も一般的な結果が最終出力として使用されます。新しい観測がすべてのツリーに入力され、各分類モデルに対して多数決が行われます。

ツリーの構築中に使用されなかったケースのエラー推定が行われます。これは* OOB（Out-of-bag）*エラー推定値と呼ばれ、パーセンテージで示されます。

Rパッケージ "randomForest" は、ランダムフォレストを作成するために使用されます。

Rパッケージをインストールする

Rコンソールで以下のコマンドを使用して、パッケージをインストールします。また、依存パッケージがある場合はインストールする必要があります。

install.packages("randomForest)

パッケージ「randomForest」には、ランダムフォレストの作成と分析に使用される関数* randomForest（）*が含まれています。

構文

Rでランダムフォレストを作成するための基本的な構文は次のとおりです-

randomForest(formula, data)

以下は、使用されるパラメータの説明です-

*式*は、予測変数と応答変数を記述する式です。
data は、使用されるデータセットの名前です。

入力データ

readingSkillsという名前のR組み込みデータセットを使用して、意思決定ツリーを作成します。変数 "age"、 "shoesize"、 "score"がわかっている場合、およびその人がネイティブスピーカーかどうかを知っている場合、その人のreadingSkillsのスコアを示します。

これがサンプルデータです。

# Load the party package. It will automatically load other
# required packages.
library(party)

# Print some records from data set readingSkills.
print(head(readingSkills))

上記のコードを実行すると、次の結果とグラフが生成されます-

  nativeSpeaker   age   shoeSize      score
1           yes     5   24.83189   32.29385
2           yes     6   25.95238   36.63105
3            no    11   30.42170   49.60593
4           yes     7   28.66450   40.28456
5           yes    11   31.88207   55.46085
6           yes    10   30.07843   52.83124
Loading required package: methods
Loading required package: grid
...............................
...............................

例

randomForest（）*関数を使用して決定木を作成し、グラフを表示します。

# Load the party package. It will automatically load other
# required packages.
library(party)
library(randomForest)

# Create the forest.
output.forest <- randomForest(nativeSpeaker ~ age &plus; shoeSize &plus; score,
           data = readingSkills)

# View the forest results.
print(output.forest)

# Importance of each predictor.
print(importance(fit,type = 2))

上記のコードを実行すると、次の結果が生成されます-

Call:
 randomForest(formula = nativeSpeaker ~ age &plus; shoeSize &plus; score,
                 data = readingSkills)
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 1

        OOB estimate of  error rate: 1%
Confusion matrix:
    no yes class.error
no  99   1        0.01
yes  1  99        0.01
         MeanDecreaseGini
age              13.95406
shoeSize         18.91006
score            56.73051

結論

上記のランダムフォレストから、誰かがネイティブスピーカーかどうかを決定する重要な要因はシューサイズとスコアであると結論付けることができます。また、モデルには1％の誤差しかないため、99％の精度で予測できます。

R-random-forest

R-ランダムフォレスト

Rパッケージをインストールする

構文

入力データ

例

結論

目次