R中的随机森林评估答案

【问题标题】：Random forest evaluation in RR中的随机森林评估
【发布时间】：2015-10-19 04:53:34
【问题描述】：

我是 R 的新手，我正在努力创建我的第一个模型。我在一个 2 类随机森林项目中工作，到目前为止，我已经对模型进行了如下编程：

library(randomForest)

set.seed(2015)

randomforest <- randomForest(as.factor(goodkit) ~ ., data=training1, importance=TRUE,ntree=2000)

varImpPlot(randomforest)

prediction <- predict(randomforest, test,type='prob')

print(prediction)

我不确定为什么我没有得到模型的整体预测。我的代码中一定遗漏了一些东西。我得到了 OOB 和测试集中每个案例的预测，但没有得到模型的整体预测。

library(pROC)

auc <-roc(test$goodkit,prediction)

print(auc)

这根本不起作用。

我已经阅读了 pROC 手册，但我无法理解所有内容。如果任何人都可以帮助编写代码或发布一个好的实用示例的链接，那将非常有帮助。

【问题讨论】：

模型的“总体预测”究竟是什么？对教程链接的请求被认为是本网站的题外话。最好问一个明确的编程问题。
整体预测是指我的模型的预测分数。有关 AUC 代码的任何帮助/提示？

标签： r random-forest prediction roc auc

【解决方案1】：

您的问题是randomForest 对象上的predict 与type='prob' 返回两个预测：每列包含属于每个类别的概率（用于二元预测）。

您必须决定使用这些预测中的哪一个来构建 ROC 曲线。幸运的是，对于二进制分类，它们是相同的（只是颠倒了）：

auc1 <-roc(test$goodkit, prediction[,1])
print(auc1)
auc2 <-roc(test$goodkit, prediction[,2])
print(auc2)

【讨论】：

非常感谢您的帖子。在 mmy 案例中有意义的是按照 Morris 的建议使用 auc2。
@WillieM 如果它回答了您的问题，请记住接受答案，并为您认为有用的答案投票。

【解决方案2】：

使用ROCR包，以下代码应该用于计算AUC：

library(ROCR)
predictedROC <- prediction(prediction[,2], as.factor(test$goodkit))
as.numeric(performance(predictedROC, "auc")@y.values))

【讨论】：

我尝试了你的代码，我得到了一些错误。另外，我不明白。我认为直到predigedroc
我认为我们不需要指定“as.numeric”，因为我在预测上使用类型=“prob”。此外，我不明白“performance（predgeedroc，”auc“）”，为什么当您尝试计算该语句时，为什么在语句中包含。代码的最后一部分“@ y.values”似乎用于做相同类型的cv ?? “y.values”的定义说：每个条目包含此特定交叉验证运行曲线的y值的列表。 span>
抱歉，我忘记了一个小，但对该代码的关键部分！但是，你似乎很困惑。 R的主要高级部分是能够为特定问题构建自己的特殊数据结构。许多包裹，覆盖范围利用这一点。 S4对象是这些特殊类型的对象。因此，我们首先使用reoct预测函数创建预测对象，然后在创建性能对象时使用该预测对象。这就是为什么我在代码中使用AS.Numeric（）。 span>
morris，非常感谢您的帖子。我已经修改了代码，现在正在运作。 span>