如何在R中使用随机森林进行分类，以确定列的值是小于还是大于值N？

Question

我已经在R中使用随机森林进行分类，其中相关列具有分类值（例如0或1）。例如，对于虹膜数据库，我们可以使用随机森林根据物种对数据进行分类，如下所示：

myRF <- randomForest(Species ~ ., data=iris, importance=TRUE,proximity=TRUE)

这是有道理的，因为Species只能采用几个分类值。问题是，如果物种可以从1到100取值，我想将数据分为两类：值大于50的那些和值小于50的那些？

当然，我可以添加另一个值为1或0的列，具体取决于Species，然后我对最后一列而不是Species进行分类，但有没有办法直接告诉R我们要对数据进行分类分为两类：物种少于50的类别和另一类大于50的类别？ （假设物种的新假设值）？

谢谢

Answer 1

myRf ~ randomForest(Species < 50 ~ ., ...)

是

1. 与定义包含Species是否小于50的新变量没有什么不同，但是避免修改数据集;

2. 只有Species是连续的而不是分类的变量才有意义（即，以这种方式比较物种数量是有意义的。）

在更一般的情况下，您想要预测一个因子将采用其中一个值的子集，您可以使用

randomForest(y.fac %in% c("level1","level2",...) ~ .....)