在 R 中使用 randomForest 包进行预测答案

【问题标题】：Predict using randomForest package in R在 R 中使用 randomForest 包进行预测
【发布时间】：2017-01-11 13:05:36
【问题描述】：

如何使用 R 中 randomForrest 调用的结果来预测一些未标记数据（例如要分类的真实世界输入）上的标签？
代码：

train_data = read.csv("train.csv")
input_data = read.csv("input.csv")
result_forest = randomForest(Label ~ ., data=train_data)
labeled_input = result_forest.predict(input_data) # I need something like this

train.csv：

a;b;c;label;
1;1;1;a;
2;2;2;b;
1;2;1;c;

输入.csv：

a;b;c;
1;1;1;
2;1;2;

我需要这样的东西

a;b;c;label;
1;1;1;a;
2;1;2;b;

【问题讨论】：

predict(result_forest, newdata=input_data).
@eipi10，非常感谢。那是我使用 R 的第一天。您可以将您的评论重写为答案，让我接受它
Stack Overflow 上有很多与predict 相关的问题，所以我猜这个问题可能是重复的。不需要我添加答案。要记住以备将来参考的关键是，几乎每个建模函数都是 R 有一个predict“方法”，这意味着如果您在模型对象上运行predict，它将默认返回训练数据的预测，如果您使用 newdata 参数，则可以预测新数据。

标签： r machine-learning random-forest

【解决方案1】：

如果这就是你的意思，请告诉我。

你用你的训练数据训练你的随机森林：

# Training dataset
train_data <- read.csv("train.csv")
#Train randomForest
forest_model <- randomForest(label ~ ., data=train_data)

现在随机森林已经过训练，您想为其提供新数据，以便它可以预测标签是什么。

input_data$predictedlabel <- predict(forest_model, newdata=input_data)

上面的代码向您的 input_data 添加了一个新列，显示了预测的标签。

【讨论】：

【解决方案2】：

你可以使用预测功能

例如：

data(iris)
set.seed(111)
ind <- sample(2, nrow(iris), replace = TRUE, prob=c(0.8, 0.2))
iris.rf <- randomForest(Species ~ ., data=iris[ind == 1,])
iris.pred <- predict(iris.rf, iris[ind == 2,])

这是来自http://ugrad.stat.ubc.ca/R/library/randomForest/html/predict.randomForest.html

【讨论】：