从合并的随机森林回归对象中计算R平方（%Var解释）

Question

计算randomForest回归时，对象包括R平方值，表示为"% Var explained: ..."。

library(randomForest)
library(doSNOW)
library(foreach)
library(ggplot2)

dat <- data.frame(ggplot2::diamonds[1:1000,1:7])
rf <- randomForest(formula = carat ~ ., data = dat, ntree = 500)
rf
# Call:
#   randomForest(formula = carat ~ ., data = dat, ntree = 500) 
#                Type of random forest: regression
#                      Number of trees: 500
# No. of variables tried at each split: 2
# 
# Mean of squared residuals: 0.001820046
# % Var explained: 95.22

然而，当使用foreach循环来计算和combine多个randomForest对象时，R-squared值不可用，正如?combine所述：

组合对象的confusion、err.rate、mse和rsq组件（以及测试组件中对应的组件，如果存在）将为NULL

cl <- makeCluster(8)
registerDoSNOW(cl)

rfPar <- foreach(ntree=rep(63,8), 
                 .combine = combine, 
                 .multicombine = T, 
                 .packages = "randomForest") %dopar% 
                 {
                   randomForest(formula = carat ~ ., data = dat, ntree = ntree)
                 }
stopCluster(cl)

rfPar
# Call:
#   randomForest(formula = carat ~ ., data = dat, ntree = ntree) 
#                Type of random forest: regression
#                      Number of trees: 504
# No. of variables tried at each split: 2

由于这个问题在这篇文章中并没有得到真正的回答：在得到randomForest对象之后，是否有可能计算R平方（% Var explained）和均方残差？

（对于此并行化的批评者可能会主张使用caret::train(... method = "parRF")或其他方法。但是，这种方法需要很长时间。实际上，对于任何使用combine来合并randomForest对象的人都可能非常有用...）

- loki

Answer 1

可以。您可以通过使用训练数据和已训练的模型得出的预测结果与实际值进行比较来计算R平方值：

# taking the object from the question:
actual <- dat$carat
predicted <- unname(predict(rfPar, dat))

R2 <- 1 - (sum((actual-predicted)^2)/sum((actual-mean(actual))^2))

或均方误差：

caret::RMSE(predicted,actual)

- Ian Wesley

---

伪R2的一行代码：R2 <- 1 - var(rfPar$y - rfPar$predicted) / var(rfPar$y) - gibbone