R语言中randomForest与h2o.randomForest的区别

各位好，
遇到一个问题
同样一个数据，同样的参数，用randomForest包中的函数与h2o.randomForest预测结果相差非常大。
我的问题是一个分类问题，预测目标为TARGET，最后用AUC评判预测结果，在test数据上测试，
randomForest模型的AUC为0.60，而h2o.randomForest达到了0.79，求教各位什么原因。

我把代码和数据都附在附件中。



test codes.rar (736 Bytes) 本附件包括：

• test codes.R

2017-5-20 17:00:09 上传

代码

example data.rar (356.63 KB) 本附件包括：

• example data.csv

2017-5-20 16:59:19 上传

测试数据

谁能帮我回答，加50元现金报酬。

在运用h2o.randomForest时，下面这几个变量被剔除了：
delta_imp_reemb_var17_1y3, imp_reemb_var17_ult1, num_reemb_var17_ult1, delta_num_reemb_var17_1y3
因为这几个变量是“数值不变的变量”，例如，delta_imp_reemb_var17_1y3取值全为0.
还有，你的数据不干净，有的用科学记数法表示，有的又不是，还有“-1”,"-1"是缺失值吗？

starterran 发表于 2017-5-20 22:26
在运用h2o.randomForest时，下面这几个变量被剔除了：
delta_imp_reemb_var17_1y3, imp_reemb_var17_ult1, ...

可是，去掉那些变量后，randomForest和h2o.randomForest还是差别很大，不是变量的问题吧

h2o.randomForest  在参数设计上，比randomForest 更精细更多，因此，更有可能 因模型参数设定”碰巧“ 更“到位”，会获到更好模型，当然也更可能”过拟“。但是，h2o.randomForest 中这大量的参数与模型绩效的关系，至今未见系统的研究。。针对专门手上数据，只有不断试误地摸索了！！

jgchen1966 发表于 2017-5-22 13:20
h2o.randomForest  在参数设计上，比randomForest 更精细更多，因此，更有可能 因模型参数设定”碰巧“ 更“ ...

同时，虽作者未明说，以本人经验，两者的模型运行机制可能存重大差异！！

jgchen1966 发表于 2017-5-22 13:22
同时，虽作者未明说，以本人经验，两者的模型运行机制可能存重大差异！！

有点道理，兄弟有尝试我附件中的示例吗？
未调任何参数，结果差别如此大，感觉都不是同一个算法

Imasasor 发表于 2017-5-23 14:07
有点道理，兄弟有尝试我附件中的示例吗？
未调任何参数，结果差别如此大，感觉都不是同一个算法

不好意思，已下载了数据，但暂时不得闲！！ 不过，兄弟，能否再提供点数据背景资料？？

两个原因：
1）算法的author不同，其实现算法逻辑的思路和方式不同。
2）randomForest本来就是很多sample过程，包括对样本和参数的，结果容易出现差异。