我知道当使用随机森林 (RF) 进行分类时，AUC 通常用于在将其应用于测试数据后评估分类的质量。但是，我不知道使用 RF 评估回归质量的参数。现在我想使用 RF 进行回归分析，例如使用包含数百个样本和特征的指标来预测化学品的浓度（数值）。
第一步是运行 randomForest 来构建回归模型，其中 y 为连续数值。根据残差均值和 % Var 解释，我如何知道模型是否好？有时我解释的 % Var 是负数。
之后，如果模型很好和/或直接用于测试数据，我就会得到预测值。现在我如何评估预测值的好坏？我在网上阅读了一些计算的准确性（公式：1-abs(predicted-actual)/actual），这对我来说也很有意义。但是，我的实际数据集中有很多零值，是否有其他解决方案来评估预测值的准确性？
期待任何建议，提前致谢。
【问题讨论】：
标签： r random-forest
randomForest R 包带有一个importance 函数，可用于确定模型的准确性。来自documentation：
importance(x, type=NULL, class=NULL, scale=TRUE, ...)，其中
x是您对randomForest的初始调用的输出。
有两种类型的重要性度量。一种是使用袋外数据的排列来测试模型的准确性。另一个使用 GINI 指数。同样，来自文档：
这里是变量重要性度量的定义。第一个度量是根据置换 OOB 数据计算的：对于每棵树，记录数据袋外部分的预测误差（分类错误率，回归的 MSE）。然后在排列每个预测变量后进行相同的操作。然后将两者之间的差异对所有树进行平均，并通过差异的标准偏差进行归一化。如果变量的差值的标准差等于 0，则不进行除法（但在这种情况下，平均值几乎总是等于 0）。
第二个衡量标准是对变量进行拆分后节点杂质的总减少量，对所有树进行平均。对于分类，节点杂质通过基尼指数来衡量。对于回归，它是通过残差平方和来衡量的。
要了解更多信息，您可以做的更简单的重要性检查，实际上比其他任何事情都更健全，是使用一种称为最佳常数模型的东西。最佳常数模型具有恒定输出，即测试数据集中所有响应的平均值。最好的常数模型可以被认为是可能的最粗略的模型。对于给定的一组测试数据，您可以将随机森林模型的平均性能与最佳常数模型进行比较。如果后者的性能至少比前者高出 3-5 倍，那么您的 RF 模型就不是很好。
【讨论】：