5倍交叉验证中随机林的性质
5倍交叉验证中随机林的性质
提问于 2018-01-04 20:34:07
考虑随机森林法在Caret中的5倍交叉验证，每一次建立的随机森林的性质是什么？例如，在虹膜数据集中：
train_control <- trainControl(method="cv", number=5,savePredictions = TRUE)
output <- train(Species~., data=iris, trControl=train_control, method="rf")
output$results$mtry
[1] 2 3 4有3个mtry值，3个不同的森林是在交叉验证中建立的，这是真的吗？我怎样才能理解每一个折叠式森林的细节，像mtry？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-01-04 21:01:10
默认情况下，插入串函数将执行网格搜索，以寻找最佳的mtry。如果没有提供网格搜索的长度，它将执行长度为3的搜索。
从以下几个方面可以看出这些默认值：
?trainControl
?train
tuneLength = ifelse(trControl$method == "none", 1, 3))
search = "grid"当指定网格搜索(默认)和长度3(默认)时，使用插入符号函数var_seq查找mtry参数。从射频列车法可以看出这一点。根据功能的数量，此函数具有不同的行为。由于功能不足500个，它选择mtry如下：
floor(seq(2, to = p, length = len))其中p是特征的数量。Iris数据有4个特性，因此在3个可用的mtry值为2、3和4的情况下。
因此，这三个mtry值都是在5倍的CV测试。所以基本上有15种射频模型被制造出来。每辆5辆。最后，根据CV结果选择了最优的模型，并在整个列车数据基础上建立了最终模型--第16模型。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48103152
复制相关文章
相似问题
腾讯云开发者
