如何用护林员绘制OOB错误与树数的关系？

Question

我希望通过绘制OOB错误和树数来获得随机森林的最优树数，并查看错误平台在哪一点。然而，由于我的问题涉及文本挖掘，所以我的训练数据是稀疏矩阵类型的，即在dgCMatrix中。这意味着我不能使用randomForest包来训练我的模型，因为randomForest不支持稀疏矩阵。相反，我必须使用游侠包，但护林员不给OOB错误与树的数目。我尝试过将我的稀疏矩阵转换成9万×5,500维的数据来在randomForest中运行，但是即使是并行执行，它也需要很长的时间，而且我没有这种计算能力。

所以我的问题是：

1. 如何使用游侠绘制OOB错误与树数的关系？

，

1. ，还有什么方法可以将稀疏矩阵转换成数据？到目前为止我已经试过了

train_matrix <- as.data.frame(as.matrix(train_dtm))

1. 使用转换的数据帧减少randomForest运行时的一些方法是什么？

1. 是否有其他方法来确定最优的树数，而无需绘制OOB错误和如果上面失败的树数？

如果可能的话会很感激你的帮助。谢谢!

Answer 1

我遇到了一个类似的问题，最后我采取了穷人的方法(这只回答了你的第一个问题)：

library(ranger)

# sample data
# install.packages("AmesHousing")
d <- AmesHousing::make_ames()

nt <- seq(1, 501, 10)

oob_mse <- vector("numeric", length(nt))

for(i in 1:length(nt)){
  rf <- ranger(Sale_Price ~ ., d, num.trees = nt[i], write.forest = FALSE)
  oob_mse[i] <- rf$prediction.error
}


plot(x = nt, y = oob_mse, col = "red", type = "l")

我不知道是否有一个“最优”的树数，但是建更多的树会大大降低你的预测速度，特别是在做部分依赖图的时候。这是我这么做的唯一原因。