调整多变量响应随机林
是否可以使用插入符号用多变量响应变量调整随机林（cforest）呢？例如
mtry_grid <- data.frame(mtry = seq(5,50,5))
train_mtry_class <- train(Class+PRE_POST~., data=rf_data[,-c(1,2)],
method='cforest', tuneGrid=mtry_grid, metric='Accuracy')
如果没有，有人有什么建议来调整具有多元响应的随机森林吗？
共有1个答案
有一个很棒的CRAN软件包，您可以进行多变量随机林调整：https://cran.r-project.org/web/packages/MultivariateRandomForest/MultivariateRandomForest.pdf
或者，您可以使用“party”（也在CRAN中）：https://cran.r-project.org/web/packages/party/party.pdf-查看“条件推理树”
-
我正在尝试创建一个动态ML应用程序，允许用户上传一个数据集，以使用随机林模型预测数据集中的第一列。 我在使用randomforest（）函数时遇到了问题，特别是当我试图将响应变量指定为数据集的第一列时。对于下面的示例，我使用iris数据集，并将响应变量Species移动到第一列中。 这是我的尝试： 然而，这不起作用。我得到的错误是： 错误：可变长度不同（针对“物种”找到） 只有当我像这样手动指定响
-
我想用随机森林方法创建火灾发生概率图。我的响应变量是一个光栅，其中包含每个网格单元的年平均燃烧面积。我的解释变量是多个光栅（温度、海拔、土地利用和人口密度）。是否可以使用光栅作为响应变量，以及基本代码线的外观如何？我找不到这方面的任何信息。 到目前为止，我的代码也是如此，但我得到了一个错误：as中的错误。数据框架默认值（数据）：无法将“结构（“RasterStack”，package=“raste
-
我有一个随机森林，目前建立在100个不同的变量之上。我希望能够只选择“最重要”的变量来构建我的随机森林，以尝试提高性能，但我不知道从哪里开始，除了从rf$重要性中获得重要性。 我的数据只是由数字变量组成，这些变量都经过了缩放。 以下是我的射频代码：
-
期望： 1. 定义： 设离散型随机变量$$X$$的分布律为：$$P{X=x_i}=p_k, k=1,2,...$$，若级数$$\displaystyle\sum_{k=1}^{\infty} x_k p_k$$绝对收敛，则称该级数的和为随机变量$$X$$的数学期望（mean），记为$$E(X)$$。即 $$ E(X)=\displaystyle\sum_{k=1}^{\infty} x_k p_k
-
描述 (Description) 如果未给出flex网格中列的显式大小，则它将自动调整列的大小。 对于较小的屏幕，请使用.small-*类。 medium-expand或large-expand类用于扩展行为。 例子 (Example) 以下示例演示了在Foundation中使用responsive adjustment - <!DOCTYPE html> <html> <head>
-
我们了解了“样本空间”，“事件”，“概率”。样本空间中包含了一次实验所有可能的结果，事件是样本空间的一个子集，每个事件可以有一个发生的概率。概率是集合的一个“测度”。 这一讲，我们将讨论随机变量。随机变量(random variable)的本质是一个函数，是从样本空间的子集到实数的映射，将事件转换成一个数值。根据样本空间中的元素不同(即不同的实验结果)，随机变量的值也将随机产生。可以说，随机变量是