随机森林的动态响应变量

Question

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：

model <- randomForest(names(DATA[1]) ~ ., data = DATA, ntree = 500, mtry = 3, importance = TRUE)

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应变量时，该应用程序和函数似乎才能工作：

model <- randomForest(Species ~ ., data = DATA, ntree = 500, mtry = 3, importance = TRUE)

我试图使用粘贴（）函数来施展一些魔法，但没有成功。

我应该如何编写代码才能让它工作？

Answer 1

看起来您想从字符串构建一个公式。您可以使用val和parse来做到这一点。这样的东西应该可以工作：

model <- randomForest(eval(parse(text = paste(names(DATA)[1], "~ ."))), 
                      data = DATA, ntree = 500, mtry = 3, importance = TRUE)

使用原始虹膜数据集的示例：

model <- randomForest(eval(parse(text = paste(names(iris)[5], "~ ."))), 
                      data = iris, ntree = 500, mtry = 3, importance = TRUE)

model

Call:
 randomForest(formula = eval(parse(text = paste(names(iris)[5],      "~ ."))), data = iris, 
              ntree = 500, mtry = 3, importance = TRUE) 
           Type of random forest: classification
                 Number of trees: 500
No. of variables tried at each split: 3

        OOB estimate of  error rate: 4%
Confusion matrix:
           setosa versicolor virginica class.error
setosa         50          0         0        0.00
versicolor      0         47         3        0.06
virginica       0          3        47        0.06