Caret交叉验证中的mtry随机森林方法

时间:2018-01-02 12:04:54

标签: r random-forest cross-validation r-caret

我有一个包含499个观测值和1412个变量的数据框。我将我的数据框分成火车和测试集,并尝试使用随机森林方法在Caret 5折交叉验证中设置的火车。我的问题是随机森林方法的交叉验证如何选择mtry的值?例如,如果你看一下情节,为什么程序不选择30作为mtry的statring值?

enter image description here

1 个答案:

答案 0 :(得分:3)

要回答这个问题,需要检查rf模型的train code

从链接代码可以清楚地看到,如果指定了网格搜索,则插入符将使用caret::var_seq函数来生成mtry。

mtry = caret::var_seq(p = ncol(x), 
                      classification = is.factor(y), 
                      len = len)

从函数的帮助中可以看出,如果预测变量的数量小于500,则在2和p之间生成一个长度为len的简单值序列。对于大量预测变量,序列是使用log2步骤创建的。

所以例如:

caret::var_seq(p = 1412, 
               classification = T, 
               len = 3)
#output
[1]    2   53 1412

如果指定len = 1,则使用randomForest package的默认值:

mtry = if (!is.null(y) && !is.factor(y))
       max(floor(ncol(x)/3), 1) else floor(sqrt(ncol(x)))

如果指定了随机搜索,则插入符号将mtry计算为:

unique(sample(1:ncol(x), size = len, replace = TRUE)

换句话说就是你的情况:

unique(sample(1:1412 , size = 3, replace = TRUE))
#output
[1] 857 181  64

这是一个例子:

library(caret)
#some data
z <- matrix(rnorm(100000), ncol = 1000)
colnames(z) = paste0("V", 1:1000)
#specify model evaluation
ctrl <- trainControl(method = "repeatedcv",
                     number = 10,
                     repeats = 1)
#train
fit_rf <- train(V1 ~.,
            data = z,
            method = "rf",
            tuneLength = 3,
            trControl = ctrl)
fit_rf$results
#output
  mtry      RMSE   Rsquared       MAE    RMSESD RsquaredSD     MAESD
1    2 0.8030665 0.11101385 0.5889436 0.2824439 0.09644324 0.1650381
2   44 0.8146023 0.09481331 0.6014367 0.2821711 0.10082099 0.1665926
3  998 0.8420705 0.03190199 0.6375570 0.2503089 0.03205335 0.1550021

通过执行以下操作获得的mtry值相同:

caret::var_seq(p = 999, 
               classification = F, 
               len = 3)

指定随机搜索时:

ctrl <- trainControl(method = "repeatedcv",
                     number = 10,
                     repeats = 1,
                     search = "random")

fit_rf <- train(V1 ~.,
                data = z,
                method = "rf",
                tuneLength = 3,
                trControl = ctrl)
fit_rf$results
#output
  mtry      RMSE   Rsquared       MAE    RMSESD RsquaredSD      MAESD
1  350 0.8571330 0.10195986 0.6214896 0.1637944  0.1385415 0.09904165
2  826 0.8644918 0.07775553 0.6286101 0.1725390  0.1264605 0.10587076
3  855 0.8636692 0.07025535 0.6232729 0.1754164  0.1332580 0.10438083

或通过以下方式获得的其他随机数:

unique(sample(1:999 , size = 3, replace = TRUE))

要将mtry修复为所需的值,最好提供自己的搜索网格。可以找到有关如何执行该操作的教程here