R随机森林

使用randomForest包构建随机森林模型，进行特征重要性评估与调参 · 难度：入门 · +15XP

随机森林：集成学习的利器

随机森林由多棵决策树组成，每棵树在随机子集上训练，最终通过投票（分类）或平均（回归）得到结果，有效降低过拟合。

1. 加载包与数据

library(randomForest)
data(iris)
set.seed(42)

2. 训练随机森林

rf_model <- randomForest(Species ~ ., data=iris, ntree=100, mtry=2)
print(rf_model)

3. 特征重要性

importance(rf_model)
varImpPlot(rf_model, main='特征重要性')

4. 预测与混淆矩阵

pred_rf <- predict(rf_model, iris)
table(pred_rf, iris$Species)

5. 调参：寻找最优mtry

tune_result <- tuneRF(iris[,1:4], iris$Species, ntreeTry=100, stepFactor=1.5)
print(tune_result)

随机森林关键参数：

练习提示：对mtcars数据集用随机森林回归mpg，查看特征重要性并绘图。