我正在建立一个用于多类分类的调谐随机森林模型。 我得到了以下结果 训练准确度(AUC):0.9921996 测试精度(AUC):0.992237664 我在这个网站上看到了一个与此相关的问题,常见的答案似乎是数据集必须很小而且你的模型很幸运 但就我而言,我有大约300k的训练数据点和100k测试数据点 我的班级也很平衡
> summary(train$Bucket)
0 1 TO 30 121 TO 150 151 TO 180 181 TO 365 31 TO 60 366 TO 540 541 TO 730 61 TO 90
166034 32922 4168 4070 15268 23092 8794 6927 22559
730 + 91 TO 120
20311 11222
> summary(test$Bucket)
0 1 TO 30 121 TO 150 151 TO 180 181 TO 365 31 TO 60 366 TO 540 541 TO 730 61 TO 90
55344 10974 1389 1356 5090 7698 2932 2309 7520
730 + 91 TO 120
6770 3741
模型是否可以很好地适应大型测试数据?如果我能做些什么来交叉验证我的模型确实非常合适,请回答。
我的完整代码
split = sample.split(Book2$Bucket,SplitRatio =0.75)
train = subset(Book2,split==T)
test = subset(Book2,split==F)
traintask <- makeClassifTask(data = train,target = "Bucket")
rf <- makeLearner("classif.randomForest")
params <- makeParamSet(makeIntegerParam("mtry",lower = 2,upper = 10),makeIntegerParam("nodesize",lower = 10,upper = 50))
#set validation strategy
rdesc <- makeResampleDesc("CV",iters=5L)
#set optimization technique
ctrl <- makeTuneControlRandom(maxit = 5L)
#start tuning
tune <- tuneParams(learner = rf ,task = traintask ,resampling = rdesc ,measures = list(acc) ,par.set = params ,control = ctrl ,show.info = T)
rf.tree <- setHyperPars(rf, par.vals = tune$x)
tune$y
r<- train(rf.tree, traintask)
getLearnerModel(r)
testtask <- makeClassifTask(data = test,target = "Bucket")
rfpred <- predict(r, testtask)
performance(rfpred, measures = list(mmce, acc))
答案 0 :(得分:0)
差异是1e-4阶,没有错,这是一个常规的统计误差(结果的方差)。没什么好担心的。这实际上意味着差异大约为0.0001 * 100,000 = 10个样本... 10个样本中的100个。