随机森林精度

Question

我看到了这个视频，我了解到构建随机森林需要使用不同的决策树，具有不同的结构。我的密码是：

library(randomForest)
library(datasets)
library(caret)

data<-iris
str(data)

dataSpecies <- as.factor(data#qcStackCode#Species)
table(data$Species)

set.seed(222)
ind <- sample(2, nrow(data), replace = TRUE, prob = c(0.7, 0.3))
train <- data[ind==1,]
test <- data[ind==2,]

rf <- randomForest(Species~., data=train, proximity=TRUE) 
print(rf)

p1 <- predict(rf, train)
confusionMatrix(p1, train Species)
p2 <- predict(rf, test)
confusionMatrix(p2, test#qcStackCode# Species)

当我运行print(rf)时，我看到了：OOB estimate of error rate: 4.95%，所以我期望的准确性是1-4.95%？预期精度与列车精度(1)和测试精度(0,93)不同，这意味着什么？

Answer 1

OOB错误率只是所有观测值之和中错误分类类的总和。请参阅以下文章以获得指导：https://www.blopig.com/blog/2017/04/a-very-basic-introduction-to-random-forests-using-r/#:~:text=The%20OOB%20estimate%20of%20error%20rate%20is%20a%20useful%20measure，值%20表示%20此错误率为20%。

然而，你的第二个问题有点微妙。你必须理解训练和测试的区别。通常情况下，测试的误差总是高于训练(样本内与样本外数据之间的差异)。想象一下你的算法，它是训练在火车数据和它适合火车数据。然而，在测试过程中，您试图用火车上的数据来预测测试，误差较高(或准确度较低)是正常的，因为它从未见过这些数据。

错误来自以下几行：

p1 <- predict(rf, train)
confusionMatrix(p1, train$ Species)

rf已经掌握了信息。你在p1中找到的OOB是根据你所拟合的数据来预测的。对于火车零件，使用从射频出来的桌子。