R中的randomForest算法中的xtest =和ytest =做什么？

Question

我正在拟合一个随机森林，并且已使用以下代码将数据分为训练集和测试集：

train <- sample( 1:nrow(Boston), (nrow(Boston))/2) )编辑：在这里，train显然只是一个索引，因此测试集如下：

testB <- Boston[-train,]; head(test); length(test) testB <- Boston[-train,]; head(test); length(test)响应变量的名称是medy，它是第14列。

我还为随机森林提供了以下代码（实际上，我在这里装箱，因为数据集中的变量总数为13）：

bag.boston1 <- randomForest(medv~., data=Boston, subset=train, mtry=13, importance=TRUE, ytest=testB$medv, xtest= )

我对ytest =选项的论点是否正确？ 我假设是因为它仅仅是测试数据集中的响应变量。

另外，我应该为xtest =选项使用什么参数？

我的一个想法是只从测试数据集中消除响应变量，从而仅在测试数据集中创建预测变量的数据框，然后我可以将xtest参数作为结果x矩阵：

`x <- testB`

x[14] <- NULL  # because the 14th column is the response variable

bag.boston1 <- randomForest(medv~., data=Boston, subset=train, mtry=13,
                        importance=TRUE, ytest=testB$medv, xtest=x)

Answer 1

从randomForest的文档中：

如果给出了xtest则在树木生长时“就地”完成对测试集的预测。 如果ytest也给出，并do.trace被设置为正整数，则对于每个do.trace树木，打印测试集的错误。 测试集的结果将在结果randomForest对象的测试组件中返回。 对于分类，投票部分（用于培训或测试集数据）包含针对该类收到的案例的投票。 如果norm.votes=TRUE ，则给出分数，该分数可以用作类的预测概率。

从这里可以理解，仅将响应变量传递给ytest参数，并不会改变randomForest工作方式。

如果希望randomForest函数“就地”进行预测，即在树木生长时，必须将没有预测变量的测试数据传递给xtest参数，如下所示：

bag.boston1 <- randomForest(medv~., data=Boston, subset=train, mtry=13, importance=TRUE, 
                            xtest=subset(testB, select=-medv))

可以通过以下方式访问预测结果： bag.boston1$test$predicted

由于在这种情况下，您还具有测试数据的响应变量，因此可以使用ytest变量传递它：

bag.boston2 <- randomForest(medv~., data=Boston, subset=train, mtry=13, importance=TRUE, 
                            xtest=subset(testB, select=-medv), ytest=testB$medv)

在这种情况下，连同预测一起，我们还将获得一些附加值。 对于regression情况下生长的每一棵树，均方根mse为mse ，均方误差为rsq 。 而对于classification ，它们分别是： err.rate ，即对于每棵树的测试误差率， confusion的混乱矩阵和votes给出了每个输出类的计票（或正火计票）。

可以使用以下bag.boston2$test访问上述所有值： bag.boston2$test