我正在比较一些模型,以获得最佳模型。现在,我想获取随机森林模型的OOB误差,以将其与其他一些模型的交叉验证误差进行比较。我能做这个比较吗?如果可以,如何通过R代码获取OOB误差?
我正在比较一些模型,以获得最佳模型。现在,我想获取随机森林模型的OOB误差,以将其与其他一些模型的交叉验证误差进行比较。我能做这个比较吗?如果可以,如何通过R代码获取OOB误差?
library(randomForest)
set.seed(1)
model <- randomForest(Species ~ ., data = iris)
OOB错误出现在:
model$err.rate[,1]
第i个元素是所有树直到第i个的(OOB)错误率。
可以绘制它并检查是否与为rf模型定义的plot方法中的OOB相同:
par(mfrow = c(2,1))
plot(model$err.rate[,1], type = "l")
plot(model)
OOB对于选择超参数mtry
和ntree
非常有用,并且应该与k-fold交叉验证相关,但不应将其用于将随机森林与通过k-fold交叉验证测试的不同类型的模型进行比较。OOB很棒,因为它几乎是免费的,而k-fold交叉验证需要运行k次。
R中运行k-fold交叉验证的简单方法是:
定义折叠(将5替换为k(正整数> 1)以运行k-fold交叉验证:
folds <- sample(1:5, size = nrow(iris), replace = T) #5 fold CV
这种方法不会给出相等大小的折叠(特别是对于较小的数据集),通常这并不是一个大问题。
table(folds)
#output
1 2 3 4 5
30 28 28 33 31
folds <- sample(rep(1:5, length.out = nrow(iris)), size = nrow(iris), replace = F)
table(folds)
#output
1 2 3 4 5
30 30 30 30 30
在每个折叠中训练模型并预测第五个折叠。在这里,我只返回包含预测和真实值的数据帧列表,可以自定义调用以返回所需的任何统计信息。
CV_rf <- lapply(1:5, function(x){ #5 corresponds to the number of folds defined earlier
model <- randomForest(Species ~ ., data = iris[folds != x,])
preds <- predict(model, iris[folds == x,], type="response")
return(data.frame(preds, real = iris$Species[folds == x]))
})
您可以使用相同的代码来获取岭回归模型的性能。
将数据框的列表转换为数据框:
CV_rf <- do.call(rbind, CV_rf)
检查准确性
caret::confusionMatrix(CV_rf$preds, CV_rf$real)
#part of output:
Overall Statistics
Accuracy : 0.9533
95% CI : (0.9062, 0.981)
No Information Rate : 0.3333
P-Value [Acc > NIR] : < 2.2e-16
这里的准确率为0.9533。
而500棵树中第500棵(在随机森林中默认拟合500棵树)的袋外误差为:
model$err.rate[500,1]
#OOB
0.04666667
它们完全打破了我的观点,但例如尝试运行10倍交叉验证或3倍交叉验证,您会发现它们并不相同。
另一种方法是使用caret
或mlr
库。我不使用mlr
,但caret
非常适合这样的任务。这里有一些东西可以帮助您开始使用caret和rf。此外,caret具有出色的文档。即使您不打算使用该软件包,我也可以推荐它。
caret
生成的finalModel
中提取OOB错误,类似于使用randomForest
直接训练的模型时的model$err.rate[500,1]
?谢谢! - undefinedtail(caretTrainOutout$finalModel$err.rate[,1], 1)
这个能用吗? - undefinedfinalModel
,但它不包含err.rate
项,建议的代码返回NULL
。在finalModel
中有两个长度为ntree
的向量:mse
和rsq
,但是caret文档没有超出finalModel
的层级,所以我不确定它们到底是什么,以及如何使用它们来访问oob错误。 - undefined
model$err.rate[,1]
- 第 i 个元素表示所有树木的 (OOB) 错误率,直到第 i 个。顺便说一句,虽然 OOB 应该与 k-fold CV 相关,但我仍然只比较模型之间的 k-fold CV。 - missuse