拟合随机森林模型并返回指定数据结果的函数

Question

考虑以下数据框：

dat1 <- data.frame(Loc = rep(c("NY","MA","FL","GA"), each = 1000),
                   Region = rep(c("a","b","c","d"),each = 1000),
                   ID = rep(c(1:10), each=200),
                   var1 = rnorm(1000),
                   var2=rnorm(1000),
                   var3=rnorm(1000))

Loc 和Region 是ID 的两个分组变量。假设我有几个其他数据框，例如dat1。我正在尝试编写一个函数，该函数将自动将随机森林模型拟合到数据中。我想指定我希望它使用的数据框、分组变量和列。 我尝试了以下函数的变体，但是当我尝试运行它们时，不断收到错误消息，上面写着Error in get(dat, envir = .GlobalEnv) : invalid first argument

library(caret)
library(randomForest)
rand.f <- function(dat,groupvar,cols){
  model <- train(groupvar ~ paste0(cols,collapse = "+"), data = dat, method = "rf", trControl = trainControl("cv", number = 10), importance = T)
  c.e <- model$finalModel$confusion[, "class.error"]
  print(c.e)
}
rand.f(dat="dat1", groupvar = "Region", cols = 5:6)
  model$bestTune 
##################
rand.f <- function(dat,groupvar,cols){
  model <- train(get(dat, envir=.GlobalEnv)[,groupvar] ~ paste0(cols,collapse = "+"), data = dat, method = "rf", trControl = trainControl("cv", number = 10), importance = T)
  c.e <- model$finalModel$confusion[, "class.error"]
  print(c.e)
}
rand.f(dat="dat1", groupvar = "Region", cols = 5:6)
  model$bestTune 

我做错了什么？

Answer 1

以下应该可以工作：

rand.f <- function(dat,outcome){
  model <- train(x = dat[, cols, drop=F]
                 , y = dat[, outcome]
                 , method = "rf"
                 , trControl = trainControl("cv", number = 2)
                 , importance = T)

  c.e <- model$finalModel$confusion[, "class.error"]

  return(c.e)
}

这也适用于数字以及列名的向量，例如

cols <- colnames(dat1)[5:6]

请注意，我重命名了“分组”变量，因为在这种情况下分组变量应该是什么有点不清楚。我已将其重命名为要预测的结果，以突出它的含义。如果您确实尝试预测该区域，则可以忽略此评论。

如果您确实想为数据中的不同组触发此功能，即为不同的子集单独森林，那么您最好在此功能之外执行此操作。