R语言：随机森林分类+影响因子重要性可视化

随机森林分类

• 一组（多个）预测变量预测一个结果

• 我的理解：任一变量都不能单独作为判别好或坏的标准，建模的目的是找到多个变量（气象因子）的某种组合，从而实现对因变量（树皮厚度）的准确预测

（1）数据准备

（2）randomForest包：提供randomForest()函数用于随机森林

• rflmpute()函数：对数据缺失值进行插补

• treesize()函数：查看模型每颗决策树的节点数

• importtance()：提取模型中各变量对模型的重要性

• MDSplot函数绘制坐标图

• MDSplot()函数用于实现随机森林的可视化

• MDSplot(rf, fac, k=2, palette=NULL, pch=20, ...)

• rf为randomForest对象，需要说明的是，在构建随机森林模型时必须指定计算临近矩阵，即设置proximity参数为TRUE；

• fac指定随机森林模型中所使用到的因子向量（因变量）；

• palette指定所绘图形中各个类别的颜色；

• pch指定所绘图形中各个类别形状；

• 还可以通过R自带的plot函数绘制随机森林决策树的数目与模型误差的折线图

代码如下

library(randomForest)

set.seed(1234)#该命令的作用是设定生成随机数的种子,种子是为了让结果具有重复性。生成的随机数无法重现

fit.forest <- randomForest(class~., data=df.train,        

                           na.action=na.roughfix,

                           importance=TRUE)  

#设置proximity=TRUE,则指定计算临近矩阵

fit.forest

importance(fit.forest, type=2) 

#验证(可无)

forest.pred <- predict(fit.forest, df.validate)         

forest.perf <- table(df.validate$class, forest.pred, 

                     dnn=c("Actual", "Predicted"))

forest.perf

#随机森林的可视化

hist(treesize(fit.forest))##展示随机森林中每棵树决策树的节点数

plot(fit.forest)#模型误差图

#对模型提取重要值列表

dev.new(

  title = "RDA scaling 1 and 2 + lc",

  width = 16,

  height = 8,

  noRStudioGD = TRUE

)

varImpPlot(fit.forest, main = "variable importance")