如何运用randomForestSRC包输出训练集的预测值？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请教一下各位大佬，我本想要通过训练集与验证集的R方来判定模型是否过拟合，但是发现randomForestSRC包与传统的randomForest包预测输出方法不一致。我现在还原了随机森林，print的模型解释度也在31.11%，但R方却是0.77！我该如何得到最原始的训练集的预测值？> predicted1 <- predict(traindata200, traindata1, outcome = "test")
> print(predicted1)
  Sample size of test (predict) data: 432
                Number of grow trees: 200
  Average no. of grow terminal nodes: 58.47
         Total no. of grow variables: 5
       Resampling used to grow trees: swor
    Resample size used to grow trees: 273
                            Analysis: RF-R
                              Family: regr
                % variance explained: 31.11
                 Test set error rate: 0.02

> sim <- as.numeric(predicted1$predicted)
> obs <- traindata1$容重
> gof(sim, obs)
         [,1]
ME       0.00
MAE      0.06
MSE      0.01
RMSE     0.08
NRMSE % 53.10
PBIAS %  0.00
RSR      0.53
rSD      0.65
NSE      0.72
mNSE     0.47
rNSE     0.70
d        0.89
md       0.67
rd       0.88
cp       0.73
r        0.88
R2       0.77
bR2      0.76
KGE      0.63
VE       0.95

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：randomForest Forests random Forest Rest 随机森林 随机森林回归