r与python做随机森林_为什么在R和Python之间得到不同的随机森林结果？

我试图比较使用R和Python的随机森林模型的结果。我比较的模型性能的关键度量是AUC(ROC曲线下的面积)。原因是AUC值代表了预测值(即概率)的分布。我确实发现了R和Python在AUC值上的一些显著差异。关于R和Python之间的差异，我确实通读了一些关于堆栈溢出的相关问题和答案。但是，我觉得我的问题应该和那些不同。在

我试图在R和Python中保持一些关键的超参数不变。它们是：将R中的ntree设置为Python中的n_estimators

在Python中将R中的mtry设置为max_features

将R中的nodesize设置为Python中的min_samples_leaf

在R和Python中将类权重设置为默认值。在R中，默认值是NULL。在Python中，默认值是None。在

在R中设置samplesize等于训练数据中的总行数，这是Python中的默认设置。在

在Python中将R中的replace设置为bootstrap，即两者都是True，或者两者都是{}。在

该问题是一个两类分类问题，有86个预测因子。每个预测因子都是连续的或布尔的。在R中没有使用因子类型预测因子。训练数据中有2008个观察值，测试数据中有335个观察值。两组数据的有效率相同，为79.7%。在

结果如下：

R的模型1结果

training_auc=0.9249080，test_auc=0.6308934

R的模型2结果

training_auc=0.9245665，test_auc=0.6364838

Python中的模型1结果

training_auc=0.80515863，test_auc=0.62