随机森林回归模型的构建及源代码示例（使用R语言）

随机森林回归模型的构建及源代码示例（使用R语言）

随机森林是一种强大的机器学习算法，常用于回归问题。它通过组合多个决策树来提高预测的准确性和稳定性。在本文中，我们将使用R语言来构建一个随机森林回归模型，并提供相应的源代码示例。

首先，我们需要准备数据集。假设我们的数据集包含两个特征变量（X1和X2）和一个目标变量（Y）。我们将使用随机生成的数据来演示。

# 生成随机数据
set.seed(123)
X1 <- runif(100)
X2 <- runif(100)
Y <- 2*X1 + 3*X2 + rnorm(100)

# 创建数据框
data <- data.frame(X1, X2, Y)

接下来，我们将数据集分为训练集和测试集。训练集用于构建模型，而测试集用于评估模型的性能。

# 设置随机种子以保持可重复性
set.seed(456)

# 随机划分数据集为训练集和测试集（70%训练集，30%测试集）
train_indices <- sample(1:nrow(data), 0.7*nrow(data))
train_data <- data[train_indices, ]
test_data <- data[-train_indices, ]

现在，我们可以使用randomForest包来构建随机森林回归模型。在这个例子中，我们将使用默认的参数设置。

# 安装和加载