这是我建立的模型的总结。我无法理解我的模型有多好，想知道“ OOB ”是什么意思及其意义，我想知道我怎么能说我的模型能很好地预测结果
呼叫： randomForest（formula = Loan_Status~Dependents + ApplicantIncome + CoapplicantIncome + LoanAmount + Credit_History + Property_Area + NC，data = train_data） 随机森林类型：分类 树木数量：500 每次拆分时尝试的变量数量：2
OOB estimate of error rate: 18.89%
混淆矩阵： N Y class.error N 93 99 0.51562500 是17 405 0.04028436
答案 0 :(得分：0)
您必须先了解bootstrap聚合，此处为：https://en.wikipedia.org/wiki/Bootstrap_aggregating
Out Of Bag是每个Zi（Zi =（Xi，Yi））根据其各自的bootstrap样本中不包含Zi的树的预测计算的平均误差，根据： http://scikit-learn.org/stable/auto_examples/ensemble/plot_ensemble_oob.html