將隨機森林變成決策樹-在R中使用randomForest包

Question

是否可以生成決策樹的樹完全相同？ 請注意，這是一個實驗性問題。 據我了解，與單個決策樹相比，隨機森林具有兩個導致“隨機性”的參數：

1）在決策樹的每個節點上隨機采樣的要素數量，以及

2）繪制一些訓練示例來創建樹。

直觀地講，如果我將這兩個參數設置為其最大值，則應避免使用“隨機性”，因此，每個創建的樹都應該完全相同。 因為所有樹木都是完全相同的，所以無論森林中樹木的數量或不同的行徑（即不同的種子值），我都應該獲得相同的結果。

我已經使用R中的randomForest庫測試了這個想法。我認為上述兩個參數分別對應於'mtry'和'sampsize'。 我將這些值設置為最大值，但是不幸的是，仍然存在一些隨機性，因為OOB誤差估計值取決於森林中樹木的數量？

您能否幫助我理解如何充分地使用R中的randomForest庫的參數來消除隨機決策林中的所有隨機性？

Answer 1

除了mtry和sampsize之外，randomForest（）中還有另一個相關的參數：replace。 默認情況下，通過替換來完成用於生長每棵樹的數據點的采樣。 如果要在所有樹中使用所有數據點，則不僅需要將sampsize設置為數據點的數量，還需要設置replace = FALSE。

這是一個玩具示例，展示了您可以得到一棵相同樹木的森林：

庫（隨機森林）

set.seed（17）

x <-矩陣（sample（5，50，replace = TRUE），10，5）

y <-factor（sample（2，10，replace = TRUE））

rf1 <-randomForest（x，y，mtry = ncol（x），sampsize = nrow（x），replace = FALSE，ntree = 5）

然后，可以使用getTree（rf1，1）等檢查所有樹是否相同。