我可以看到 R randomForest 包中回归任务的袋外错误吗？答案

【问题标题】：Can I see the out of bag error for regression tasks in the R randomForest package?我可以看到 R randomForest 包中回归任务的袋外错误吗？
【发布时间】：2015-10-01 21:58:46
【问题描述】：

我正在使用 R 中的 randomForest 包进行预测，并且想要绘制袋外 (OOB) 错误以查看我是否有足够的树，并调整 mtry（每次拆分时的变量数）变量。该包似乎会自动计算分类任务的 OOB 错误，但不会为回归任务这样做。有谁知道是否有办法查看回归任务的 OOB 错误？

【问题讨论】：

我不确定你的意思。对于回归，随机森林对象报告残差平方的平均值（对于 OOB 情况），尽管文档并没有尽可能清楚地说明这一点。
我的印象是 randomForest 对象中的 mse 和 rsq 度量是在样本中计算的，而不是 OOB。所以，我猜它们实际上是计算OOB的。谢谢！
是的，我很确定它是 OOB。您可以随时查看源代码来验证...

标签： r machine-learning random-forest

【解决方案1】：

如 cmets 中所述，mse 对象是 OOB 计算的。见第 20 页 https://datajobs.com/data-science-repo/Random-Forest-%5bLiaw-and-Weiner%5d.pdf 因此，mse 对象已经是 OOB 均方误差的估计值。

【讨论】：

【解决方案2】：

你也可以直接看out of bag的预测：

data(airquality)
set.seed(131)
ozone.rf <- randomForest(Ozone ~ ., data=airquality, mtry=3,
                         importance=TRUE, na.action=na.omit)
ozone.rf$predicted

然后您还可以计算其他度量，例如中值绝对误差。

【讨论】：