iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 17
1
影片教學

R語言-預測方法大全系列 第 17

[Day-17] 預測操作--隨機森林-上 (random forest in r)

  • 分享至 

  • xImage
  •  

您的訂閱是我製作影片的動力
訂閱點這裡~/images/emoticon/emoticon39.gif

Yes

若內容有誤,還請留言指正,謝謝您的指教/images/emoticon/emoticon07.gif

#影片程式碼
library(naniar) 
data("iris")
iris <- iris[,-c(5)]
any_na(iris)
library(randomForest)
model <- randomForest(Sepal.Length ~ Sepal.Width+Petal.Length+Petal.Width, 
                      data = iris,   
                      importane = T, proximity = T, 
                      do.trace = 100,na.action = na.roughfix)
par(mfrow=c(1,1))
plot(model) 
importance(model)
library(rminer)
rf <- Importance(model,iris,measure="AAD")
rf$imp
par(mfrow=c(1,3))
boxplot(iris$Sepal.Width)$out
boxplot(iris$Petal.Length)$out
boxplot(iris$Petal.Width)$out
#因為離群值不多,所以先不轉
n <- nrow(iris)
set.seed(1117)
subiris <- sample(seq_len(n), size = round(0.7 * n))
traindata <- iris[subiris,]
testdata <- iris[ - subiris,]

上一篇
[Day-16] 集成學習簡介(ensemble learning introduction)
下一篇
[Day-18] 預測操作--隨機森林-下 (random forest tuning in r)
系列文
R語言-預測方法大全30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言