R parsnip rand_forest 随机森林

rand_forest() 定义了一个模型，该模型创建大量决策树，每个决策树彼此独立。最终的预测使用各个树的所有预测并将它们组合起来。该函数可以拟合分类、回归和审查回归模型。

拟合该模型的方法有多种，通过设置模型引擎来选择估计方法。下面列出了该模型的引擎特定页面。

ranger¹
aorsf²
h2o²
partykit²
randomForest
spark

1 默认引擎。 ² 需要一个防风草扩展包来进行审查回归、分类和回归。

有关如何操作的更多信息防风草用于建模的是https://www.tidymodels.org/.

用法

rand_forest(
  mode = "unknown",
  engine = "ranger",
  mtry = NULL,
  trees = NULL,
  min_n = NULL
)

参数

mode: 预测结果模式的单个字符串。此模型的可能值为"unknown"、"regression" 或"classification"。
engine: 指定用于拟合的计算引擎的单个字符串。
mtry: 创建树模型时在每次分割时随机采样的预测变量数量的整数。
trees: 集合中包含的树数的整数。
min_n: 节点中进一步拆分节点所需的最小数据点数量的整数。

细节

此函数仅定义正在拟合的模型类型。一旦指定了引擎，也就定义了拟合模型的方法。有关设置引擎的更多信息，包括如何设置引擎参数，请参阅set_engine()。

在 fit() 函数与数据一起使用之前，模型不会经过训练或拟合。

此函数中除 mode 和 engine 之外的每个参数都被捕获为 quosures 。要以编程方式传递值，请使用injection operator，如下所示：

value <- 1
rand_forest(argument = !!value)

参考

https://www.tidymodels.org, Tidy Modeling with R, searchable table of parsnip models

也可以看看

fit() , set_engine() , update() , ranger engine details , aorsf engine details , h2o engine details , partykit engine details , randomForest engine details , spark engine details

例子

show_engines("rand_forest")
#> # A tibble: 6 × 2
#>   engine       mode          
#>   <chr>        <chr>         
#> 1 ranger       classification
#> 2 ranger       regression    
#> 3 randomForest classification
#> 4 randomForest regression    
#> 5 spark        classification
#> 6 spark        regression    

rand_forest(mode = "classification", trees = 2000)
#> Random Forest Model Specification (classification)
#> 
#> Main Arguments:
#>   trees = 2000
#> 
#> Computational engine: ranger 
#>

源代码：R/rand_forest.R

相关用法

注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Random forest。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。