R RandomForest:新物体的接近度

Question

我训练了一个随机森林:

model <- randomForest(x, y, proximity=TRUE)

当我想为新对象预测y时,我会使用

y_pred <- predict(model, xnew)

如何根据现有的森林(模型)计算新对象(xnew)和训练集(x)之间的接近程度？预测函数中的邻近选项仅给出新对象(xnew)中的邻近关系.我可以在组合数据集(x和xnew)上再次运行randomForest无监督以获得邻接,但我认为必须有一些方法可以避免再次构建林,而是使用现有的林.

谢谢!基利安

Answer 1

我相信你想要的是在randomForest调用本身中指定你的测试观察,如下所示:

set.seed(71)
ind <- sample(1:150,140,replace = FALSE)
train <- iris[ind,]
test <- iris[-ind,]

iris.rf1 <- randomForest(x = train[,1:4],
                         y = train[,5],
                         xtest = test[,1:4],
                         ytest = test[,5], 
                         importance=TRUE,
                         proximity=TRUE)

dim(iris.rf1$test$prox)
[1]  10 150

这样,您可以从十个测试用例到150个测试用例.

唯一的其他选择是叫predict上你的新情况rbind编到原来的训练情况,我想.但是,通过这种方式,您无需事先将测试用例放在前面randomForest.

在这种情况下,您需要keep.forest = TRUE在randomForest通话中使用,当然也可以proximity = TRUE在通话时设置predict.