邻近矩阵 - 随机森林，R

Question

我在R中使用randomForest包，它允许计算邻近矩阵（P）。在包的描述中，它将参数描述为：＆＃34; 如果在调用randomForest时proximity = TRUE，则输入中的邻近度量矩阵（基于数据点对在同一个中的频率）终端节点）。＆＃34;

我获得随机森林的邻近矩阵如下：

P <- randomForest(x, y, ntree = 1000, proximity=TRUE)$proximity

当我研究P矩阵时，我看到像P（i，j）= 0.971014493这样的值，其中i和j是我的训练数据集（x）中的两个数据实例。这样的值没有意义，因为当它乘以1000（森林中的树数）时，得到的数字不是整数，因此＆＃34;频率＆＃34;。有人可以帮我理解，为什么我会在邻近矩阵中得到这样的实数？

Answer 1

因为与默认预测一样，默认接近度仅使用树来计算，其中用于构建该树的样本中没有观察到任何观察（它们是＆＃34;袋外＆＃34;）。

对于每对案例，这种情况发生的次数会略有不同，并且肯定不会像1000那样是一个很好的整数。

您需要注意proximity之后列出的下一个参数oob.prox，表示是仅使用行包对（默认值）还是使用每棵树。

Answer 2

只是为了补充上面的答案，因为这对我来说看起来很奇怪，如果它会对任何人有帮助，那根据Breiman（我引用）：

'内在接近度量。

由于单个树未被修改，终端节点将包含 只有少数例子。运行训练集中的所有案例 在树下。如果情况i和案例j都落在同一个终端 节点。增加i和j之间的接近度。在......的最后 在运行中，邻近度除以两次树的数量 案件与案件之间的行程和接近程度等于一。'

在Breiman的论文'Using Random Forests'中提到了上述内容，该论文是randomForest函数here的参考。

Answer 3

邻近度是两个数据点在不同树的同一叶节点中结束的频率的比例。