在 R 中使用 randomforest() 进行分类？

Posted 2023-03-13

【中文标题】在 R 中使用 randomforest() 进行分类？

【英文标题】：Use of randomforest() for classification in R?

【发布时间】：2013-10-18 12:34:36

【问题描述】：

我最初有一个由 N 行中的 12 列组成的数据框。最后一列是我的班级（0 或 1）。我必须使用

将我的整个数据框转换为数字

training <- sapply(training.temp,as.numeric)

但后来我认为我需要将类列作为因子列才能使用 randomforest() 工具作为分类器，所以我这样做了

training[,"Class"] <- factor(training[,ncol(training)])

我继续创建树

training_rf <- randomForest(Class ~., data = trainData, importance = TRUE, do.trace = 100)

但我遇到了两个错误：

1: In Ops.factor(training[, "Status"], factor(training[, ncol(training)])) : 
<= this is not relevant for factors (roughly translated)
2: In randomForest.default(m, y, ...) :
The response has five or fewer unique values.  Are you sure you want to do regression?

如果有人能指出我所犯的格式错误，我将不胜感激。

谢谢！

【问题讨论】：

您正在尝试使用 <= 而不是 <- 进行分配。你也在创建一个新列吗？如果是这样，您应该摆脱 Class 的数字版本，或者不要在公式中使用 .

唯一能解决这个问题的信息是str(training)的输出。

不要在 cmets 中放入类似的东西。如您所见，它不适合。编辑您的问题并正确格式化。

trainData和training一样吗？

第二个错误（我认为它只是一个警告）正在出现，因为trainData 中的Class 是numeric，但唯一值少于5 个。因为它是numeric randomForest 正在尝试回归，但你想要分类所以你需要Class 作为一个因素，如果你修复第一个错误并且trainData 只是training 的副本

【参考方案1】：

所以问题其实很简单。原来我的训练数据是一个原子向量。所以首先必须将其转换为数据框。所以我需要添加以下行：

training <- as.data.frame(training)

问题解决了！

【参考方案2】：

首先，由于语法错误，您对因子的强制不起作用。其次，在指定 RF 模型时应始终使用索引。以下是您的代码中应该使其工作的更改。

    training <- sapply(training.temp,as.numeric)
      training[,"Class"] <- as.factor(training[,"Class"])

    training_rf <- randomForest(x=training[,1:(ncol(training)-1)], y=training[,"Class"], 
                                importance=TRUE, do.trace=100)

# You can also coerce to a factor directly in the model statement
    training_rf <- randomForest(x=training[,1:(ncol(training)-1)], y=as.factor(training[,"Class"]), 
                                importance=TRUE, do.trace=100)

【讨论】：

这并没有解决我的问题，它仍然在问我是否要进行回归...

添加刚刚发布的行后，我最终使用了这种语法。