从R中的randomForest模型中提取或添加原始数据值

Question

我有一份在R中生成的randomForest模型，但我没有用于创建该模型的原始数据。最终，我的目标是增加用于创建该模型的原始数据集以扩大模型的样本量。

我能想到两种方法来实现这一目标：1）直接向原模型添加数据。我尝试使用?update命令进行添加，但似乎并不像我想象的那样工作。下面的代码创建了一个非常简单的随机森林，然后尝试通过附加x和y数据来更新公式，但查看str结果时可以明显看出没有添加任何内容。

x <- 1:10
y <- 2:11
z <- 3:12
mod <- randomForest(z~x+y)
str(mod)

test <- cbind(runif(100,0,10),runif(100,0,10),runif(100,100,1000))
colnames(test) <- c("x","y","z")

mod2 <- update(mod,.~., test)
str(mod2)

从文档中看，似乎需要原始数据来更新？

2）以某种方式从模型对象中获取原始数据。这不是最理想的方法，但如果我这样做，我可以简单地将数据附加到原始数据并重建模型。randomforest对象通过（mod $ y）具有原始响应变量z，但我不认为它具有原始的x和y值。但是，它确实拥有整个森林。

如果不清楚，请见谅。

- thuja

---

欢迎来到 Stack Overflow！我无法执行您的代码，请问函数“randomForest”来自哪个包？ - akraf

从快速查看来看，我认为两个选项都不可行。update仅更新调用，即公式，而不是数据--它需要原始数据并将重新拟合到这些数据。如果您删除原始的x、y和z对象，您会发现update函数失败了。对于选项2，randomForest对象不包含原始数据。 - jmuhlenkamp

这个库是randomForest。 - thuja

感谢您的回复，jmuhlenkamp。我同意这似乎不可能，至少不是以直接的方式。奇怪的是，原始响应变量在随机森林模型对象和整个森林中，但原始预测变量却不在其中（至少看起来是这样）......或者说，即使使用整个森林，也无法通过新的x、y和z进行更新。太糟糕了，也许有更聪明的方法。 - thuja

Answer 1

我曾经有一个类似的问题（这也是我偶然发现这篇文章的原因），最终我找到了答案。

正如@jmuhlenkamp所提到的，randomForest对象不包含原始数据。但是，您可以从用于创建对象的调用中提取数据。

以下是一个示例：

require(randomForest)
data(iris)
rf = randomForest(Species~., data=iris)
data_name = getCall(rf)$data
iris_again = eval(data_name)

然后，您可以根据需要使用update更新公式，然后提供一个新的（在您的情况下修改过的）数据集。

- dfife