R语言｜生成随机数

Posted 2023-05-08

参考技术A 首先，如果想要别人复现出跟你一样的结果，要先设置随机种子
Set the seed of R‘s random number generator, which is useful for creating simulations or random objects that can be reproduced.

If you want to generate a decimal number where any value (including fractional values) between the stated minimum and maximum is equally likely, use the runif function.

The first argument is a vector of valid numbers to generate (here, the numbers 1 to 10), and the second argument indicates one number should be returned.

If we want to generate more than one random number, we have to add an additional argument to indicate that repeats are allowed:

R语言数据分析|随机森林

一、概念

集成学习：将多个弱分类器集成为强分类器。

回到原点：改变数据生成一棵树，然后再次改变数据，生成另一个树，最后取它们的平均值或者让它们投票选出票数最多的类，可能会提高准确性。

随机森林：准确性大于99%的决策树

二、算法

设给定d个元组的训练集D，为组合分类器产生k颗决策树

（1）使用有放回抽样生成训练集Di, 每个Di都是D的一个自助样本，某些元组在Di中出现多次，而某些元组不出现。

（2）每个自助样本集生长为单棵分类树：设F是用来在每个节点决定划分的属性数，其中F远小于可用属性数。为构造决策分类器Mi，在每个节点随机选择F个属性作为该节点划分的候选属性。

（3）采用简单多数投票法得到随机森林的结果

抽取n份数据（有放回的抽样）——选取少数的特征（若干列）——完全生长——多数表决

每个专家的经验不一样，每个专家的视角不一样，每棵树都是一个专家

三、代码实现

library(randomForest)set.seed(2012)imodel<-randomForest(wlfk~., ntree=220, data=cjb[train_set_index,])         #波浪号后面是自变量# 在训练集上表现predicted_train<-predict(imodel, newdata=cjb[train_set_idx,],type="response")Metrics::ce(cjb$wlfk[train_set_idx], predicted_test)
# 在测试集上表现predicted_train<-predict(imodel, newdata=cjb[-train_set_idx,],type="response")Metrics::ce(cjb$wlfk[-train_set_idx], predicted_test)

自律小tips：最高明的自律是巧妙借助他律来完成的！