RForML之核心包：randomForest

概述：随机森林算法是一种常用的分类算法，它的学习原理和实际应用，都值得数据人熟练掌握。
本文介绍R语言做机器学习核心包：randomForest

一、randomForest包介绍

randomForest包实现了随机森林算法，随机森林算法可以解决分类和回归问题，是一种很有效的预测技术。
随机森林的核心思想：两个随机特性，随机地选择样本数和随机地选择特征数，两者组合，基于决策树的思想学习和生成“森林”里面的一颗颗决策树，然后基于每颗决策树进行预测，把所有的结果进行综合得到最终结果。这种学习思想，也是一种集成学习思想的典型应用。

二、randomForest包安装与加载

凡是应用R语言的扩展，都需要先安装，再加载和使用。

if(!suppressWarnings(require('randomForest')))
{
  install.packages('randomForest')
  require('randomForest')
}

三、randomForest包应用

选择party包里面带有的readingSkills数据集。
数据集的详细介绍

help("readingSkills", package = "party")

readingSkills的数据结构

str(readingSkills)

## 创建随机森林模型
output.forest <- randomForest(nativeSpeaker ~ age + shoeSize + score, 
                              data = readingSkills)
print(output.forest)

随机森林模型结果

# 预测变量重要性分析
print(importance(output.forest,type = 2))

预测变量重要性结果

说明：参数type取值

either 1 or 2, specifying the type of importance measure (1=mean decrease in accuracy, 2=mean decrease in node impurity).

四、总结

从上面显示的随机森林，我们可以得出结论，shoesize和score是决定如果某人是母语者或不是母语的重要因素。 此外，该模型只有1％的误差，这意味着我们可以预测精度为99％。

参考资料

1 随机森林R包文档：https://cran.r-project.org/web/packages/randomForest/randomForest.pdf
2 随机森林算法原理：https://en.wikipedia.org/wiki/Random_forest

您在阅读中，有什么建议或者想法，请留言。

如果您觉得本文有收获，请小额赞赏，让我有动力继续写出高质量的文章。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，分享和传播有价值的数据知识！
我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！

点击【阅读原文】，进入【数据人网】，学习更多有价值的数据知识