randomForest [R] 不接受逻辑变量作为响应，而是接受它作为预测变量？

Question

您好，我在 R 中使用 randomForest，它不接受逻辑变量作为响应 (Y)，但似乎接受它作为预测变量 (X)。我有点惊讶 b/c 我认为逻辑本质上是 2 类因素......

我的问题是：randomForest 是否接受逻辑作为预测变量，而不是作为响应？为什么会这样？ 其他常见模型（glmnet、svm、...）是否接受逻辑变量？

感谢任何解释/讨论。谢谢

N = 100

data1 = data.frame(age = sample(1:80, N, replace=T),
                   sex = sample(c('M', 'F'), N, replace=T),
                   veteran = sample(c(T, F), N, replace=T),
                   exercise = sample(c(T, F), N, replace=T))

sapply(data1, class)
#       age       sex   veteran  exercise 
# "integer"  "factor" "logical" "logical" 

# this doesnt work b/c exercise is logical
rf = randomForest(exercise ~ ., data = data1, importance = T)
# Warning message:
#         In randomForest.default(m, y, ...) :
#         The response has five or fewer unique values.  Are you sure you want to do regression?

# this works, and veteran and exercise (logical) work as predictors
rf = randomForest(sex ~ ., data = data1, importance = T)
importance(rf)
#                   F         M MeanDecreaseAccuracy MeanDecreaseGini
# age      -2.0214486 -7.584637            -6.242150         6.956147
# veteran   4.6509542  3.168551             4.605862         1.846428
# exercise -0.1205806 -6.226174            -3.924871         1.013030

# convert it to factor and it works
rf = randomForest(as.factor(exercise) ~ ., data = data1, importance = T)

Answer 1

这种行为的原因是 randomForest 也能够进行回归（除了分类）。你也可以在你得到的警告信息中观察到：

响应具有五个或更少的唯一值。您确定要进行回归吗？

该函数根据给定响应向量的类型在回归和分类之间做出决定。如果是因子分类，则进行回归（这是有道理的，因为回归响应向量永远不会是因子/分类变量）。

关于您的问题：在输入数据集（预测器）中使用逻辑变量是没有问题的，randomForest 能够按照您的预期完美处理。

training_data <- data.frame(x = rep(c(T,F), times = 1000)) # training data with logical
response <- as.factor(rep(c(F,T), times = 1000)) # inverse of training data
randomForest(response ~ ., data = training_data) # returns 100% accurate classifier

编辑：

为什么他们不在源代码中包含这种强制（逻辑因素）？

这是推测，但可能是为了一致性和简单性。他们将不得不从

更改文档

如果是因子，则假设分类，否则回归 假设

到

如果是因子或逻辑向量，则假设分类，否则回归 假设

然后人们可能会出现要求角色... 如果您的逻辑响应向量仅包含 TRUE 或 FALSE 值，您也可能会遇到问题。如果您强制这样一个向量分解，它将只有一个级别。 （尽管在结果始终为 FALSE 的数据集上训练模型并没有真正意义）

但如果作者包含了这种更“智能”的强制，他们将不得不处理这些问题并定义这些边境案件中的行为，并记录下来。