Я знаю, что это довольно специфический R
вопрос, но я могу думать о неправильной пропорции, объясненной, . Вот оно.
Я пытаюсь использовать R
пакет randomForest
. У меня есть некоторые тренировочные данные и данные тестирования. Когда я подгоняю модель случайного леса, randomForest
функция позволяет вам вводить новые данные тестирования для тестирования. Затем он сообщает вам процент дисперсии, объясненный в этих новых данных. Когда я смотрю на это, я получаю один номер.
Когда я использую predict()
функцию для прогнозирования значения результата данных тестирования на основе соответствия модели из данных обучения, и я беру квадратный коэффициент корреляции между этими значениями и фактическими значениями результата для данных тестирования, я получаю другое число. Эти значения не совпадают .
Вот некоторый R
код, чтобы продемонстрировать проблему.
# use the built in iris data
data(iris)
#load the randomForest library
library(randomForest)
# split the data into training and testing sets
index <- 1:nrow(iris)
trainindex <- sample(index, trunc(length(index)/2))
trainset <- iris[trainindex, ]
testset <- iris[-trainindex, ]
# fit a model to the training set (column 1, Sepal.Length, will be the outcome)
set.seed(42)
model <- randomForest(x=trainset[ ,-1],y=trainset[ ,1])
# predict values for the testing set (the first column is the outcome, leave it out)
predicted <- predict(model, testset[ ,-1])
# what's the squared correlation coefficient between predicted and actual values?
cor(predicted, testset[, 1])^2
# now, refit the model using built-in x.test and y.test
set.seed(42)
randomForest(x=trainset[ ,-1], y=trainset[ ,1], xtest=testset[ ,-1], ytest=testset[ ,1])
источник