Évaluation de forêt aléatoire en R

Question

Je suis un débutant en R et j'essaie de faire de mon mieux pour créer mon premier modèle. Je travaille dans un projet forestier aléatoire 2- classes et jusqu'à présent, je l'ai programmé le modèle comme suit:

library(randomForest) 

set.seed(2015) 

randomforest <- randomForest(as.factor(goodkit) ~ ., data=training1, importance=TRUE,ntree=2000) 

varImpPlot(randomforest) 

prediction <- predict(randomforest, test,type='prob') 

print(prediction) 

Je ne sais pas pourquoi je ne reçois pas la prévision globale pour mon model.I dois manquer quelque chose dans mon code. Je reçois le OOB et la prédiction par cas dans l'ensemble de test mais pas la prédiction globale du modèle.

library(pROC) 

auc <-roc(test$goodkit,prediction) 

print(auc) 

Cela ne fonctionne pas du tout.

J'ai été dans le manuel de PROC mais je ne peux pas comprendre tout. Il serait très utile que quelqu'un puisse aider avec le code ou poster un lien vers un bon exemple pratique.

Answer 1

Votre problème est que predict sur un objet randomForest avec type='prob' retourne deux prédictions: chaque colonne contient la probabilité d'appartenir à chaque class (pour la prédiction binaire).

Vous devez décider lesquelles de ces prédictions utiliser pour construire la courbe ROC. Heureusement pour la classification binaire, ils sont identiques (juste inversés):

auc1 <-roc(test$goodkit, prediction[,1]) 
print(auc1) 
auc2 <-roc(test$goodkit, prediction[,2]) 
print(auc2) 

Answer 2

Utilisation du package ROCR, le code suivant devrait fonctionner pour le calcul de la CUA:

library(ROCR) 
predictedROC <- prediction(prediction[,2], as.factor(test$goodkit)) 
as.numeric(performance(predictedROC, "auc")@y.values))