我知道当使用随机森林（RF）进行分类时，通常在将AUC应用于测试数据后，通常使用AUC来评估分类的质量。但是，我不知道使用RF评估回归质量的参数。现在我想使用RF进行回归分析，例如使用具有数百个样本和特征的指标来预测化学物质的浓度（数字）。
第一步是运行randomForest以使用y作为连续数字来构建回归模型。根据残差平方的平均值和所解释的％Var，我如何知道模型是否良好？有时我的％Var解释为负。
然后，如果模型很好和/或直接用于测试数据，则可以得到预测值。现在如何评估预测值的好坏？我在网上阅读一些计算出的准确度（公式：1-abs（预测的实际值）/实际值），这对我也很有意义。但是，我的实际数据集中有很多零值，是否还有其他解决方案来评估预测值的准确性？
期待任何建议并提前致谢。
答案 0 :(得分：0)
randomForest R程序包带有importance函数，可用于确定模型的准确性。来自documentation：
important（x，type = NULL，class = NULL，scale = TRUE，...），其中
x是您对randomForest的初始调用的输出。
有两种类型的重要性度量。一个使用袋外数据的排列来测试模型的准确性。另一个使用GINI索引。再次，从文档中：
这里是变量重要性度量的定义。第一个度量是根据排列的OOB数据计算得出的：对于每棵树，记录数据自包部分的预测误差（分类的错误率，回归的MSE）。然后，在置换每个预测变量后，将执行相同的操作。然后将两者之间的差异在所有树上取平均值，并通过差异的标准偏差将其标准化。如果变量的差异的标准偏差等于0，则不会进行除法运算（但在这种情况下，平均值几乎始终等于0）。
第二个度量是在所有树上取平均值后，节点变量因拆分变量而减少的总数。为了分类，通过吉尼指数测量节点杂质。为了进行回归，它通过残差平方和来测量。
有关更多信息，您可能要执行的更简单的重要性检查（实际上是健全性检查）是使用称为最佳常数模型的东西。最佳常数模型具有恒定的输出，这是测试数据集中所有响应的平均值。可以将最佳常数模型假定为最原始的模型。对于给定的一组测试数据，您可以将随机森林模型的平均性能与最佳常数模型进行比较。如果后者至少不能比前者好3-5分，则您的RF模型不是很好。