r语言随机森林_机器学习：R语言实现随机森林

R包randomForest的随机森林分类模型以及对重要变量的选择 随机森林(random forest)是一种组成式的有监督学习方法，可视为决策树 的扩展。 随机森林通过对对象和变量进行抽样构建预测模型，即生成多个决策树，并依次对对象进行分类。 最后将各决策树的分类结果汇总，所有预测类别中的众数类别即为随机森林所预测的该对象的类别，分类准确率提升。

随机森林工作过程可概括如下：

(1)假设训练集中共有N个对象、M个变量，从训练集中随机有放回地抽取N个对象构建决策树；

(2)在每一个节点随机抽取m个变量，将其作为分割该节点的候选变量，每一个节点处的变量数应一致；

(3)完整生成所有决策树，无需剪枝(最小节点为1)；

(4)重复(1)-(3)过程，获得大量决策树；终端节点的所属类别由节点对应的众数类别决定；

(5)对于新的观测点，用所有的树对其进行分类，其类别由多数决定原则生成。

相较于其它分类方法，随机森林通常具有如下优势：

分类准确率通常更高；

能够有效处理具有高维特征(多元)的数据集，而且不需要降维；

在处理大数据集时也具有优势；

可应用于具有大量缺失值的数据中；

能够在分类的同时度量变量对分类的相对重要性。

本篇使用微生物群落研究中的16S扩增子测序数据，展示R包randomForest中的随机森林方法。

注：randomForest包根据经典决策树生成随机森林；如果期望根据条件推断树生成随机森林，可使用party包。当预测变量间高度相关时，基于条件推断树的随机森林可能效果更好。

示例数据，R代码的百度盘链接：

https://pan.baidu.com/s/10MWBfjBnYIzf6Cx2Zd9CjA

数据集

示例文件“otu_table.txt”为来自16S测序所获得的细菌OTUs丰度表格，共计120个样本，其中60个来自环境c(c组)，60个来自环境h(h组)。

接下来使用该数据：

(1)任一OTUs的丰度都很难作为判别两种不同环境的标准，因此接下来综合考虑所有OTUs的丰度并进行建模，目的是找到能够稳定区分两种环境的代表性OTUs组合(作为生物标志物)；

(2)通过代表性OTUs的丰度构建预测模型，即仅通过这些OTUs的丰度就能够判断样本分类。

首先读入数据预处理。

#读取 OTUs 丰度表
otu  
#过滤低丰度 OTUs 类群，它们对分类贡献度低，且影响计算效率
#120 个样本，就按 OTUs 丰度的行和不小于 120 为准吧
otu = 120), ]
#合并分组，得到能够被 randomForest 识别计算的格式
group otu otu_group  
#将总数据集分为训练集(占 70%)和测试集(占 30%)
set.seed(123)
select_train otu_train otu_test 

随机森林构建

<