El ile hesaplanan , yeni verileri test etmek için randomForest () ile eşleşmiyor

Bunun oldukça özel bir Rsoru olduğunu biliyorum , ancak hatalı açıklanan oranındaki varyans oranını düşünüyorum . İşte gidiyor.$R^2$

RPaketi kullanmaya çalışıyorum randomForest. Bazı eğitim verilerim ve test verilerim var. Rastgele bir orman modeline uyduğumda, randomForestişlev test etmek için yeni test verileri girmenize olanak sağlar. Daha sonra bu yeni verilerde açıklanan varyans yüzdesini gösterir. Buna baktığımda bir numara alıyorum.

predict()Eğitim verilerinden elde edilen modele dayalı test verilerinin sonuç değerini tahmin etmek için bu işlevi kullandığımda ve bu değerler ile test verileri için gerçek sonuç değerleri arasındaki kareli korelasyon katsayısını alıyorum, farklı bir sayı alıyorum. Bu değerler eşleşmiyor .

İşte Rsorunu göstermek için bazı kodlar.

# 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])

Sebebi çünkü değerleri eşleşen değil ise bildiriyor varyasyonu olarak karşı açıkladı varyans açıkladı. Bunun , ders kitaplarında uygulanan hakkında yanlış anlaşıldığını düşünüyorum . Geçen gün başka bir konu hakkında bile bahsetmiştim. Bir örnek istiyorsanız, (aksi halde oldukça iyi) ders kitabına bakınız Seber ve Lee, Doğrusal Regresyon Analizi , 2.. ed.R $R^2$randomForest$R^2$

İçin genel bir tarifi olduğu R, 2 = 1 - Σ i ( y ı - y i ) $R^2$

Yani, ortalama karesel hatayı hesaplıyoruz, bunu orijinal gözlemlerin varyansıyla bölüyoruz ve sonra bunu birinden çıkartıyoruz. (Tahminleriniz gerçekten kötüyse, bu değerin negatif olabileceğini unutmayın.)

Şimdi, doğrusal regresyonda ne olur ( bir kesişme terimi ile! ) 'nin ortalama değeri eşleşir . Bundan başka, artık vektör donatılmış değerlerin vektörü dik olan . Bu iki şeyi bir araya getirdiğinizde, tanım daha sık karşılaşılan tanımlamaya indirgenir, yani, ( Doğrusal gerilemeyi belirtmek için içindeki abonelerini kullandım .) ° y y -$\hat{y}_i$$\bar{y}$$y - \hat{y}$$\hat{y}$

randomForestÇağrı yapmanız eğer öyleyse, ilk tanımını kullanıyor

   > y <- testset[,1]
   > 1 - sum((y-predicted)^2)/sum((y-mean(y))^2)

cevapların eşleştiğini göreceksiniz.