数据挖掘学习1----随机森林

随机森林

         在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。

         所以10000个（概率上）糟糕的模型有什么好的？好吧，这样确实没什么特别的好处。但是随着很多糟糕的决策树被生成，其中也会有很少确实很优秀的决策树。

当你要做预测的时候，新的观察到的特征随着决策树自上而下走下来，这样一组观察到的特征将会被贴上一个预测值/标签。一旦森林中的每棵树都给出了预测值/标签，所有的预测结果将被归总到一起，所有树的模式投票被返回做为最终的预测结果。

简单来说，99.9%不相关的树做出的预测结果涵盖所有的情况，这些预测结果将会彼此抵消。少数优秀的树的预测结果将会超脱于芸芸“噪音”，做出一个好的预测。

1.函数介绍

randomForest(formula, data, mtry, ntree)

注：mtry的取值是创建随机森林方法的作者的建议。

代码：

>setwd("d://Users/Administrator.WIN-T6E9K7D8SKG/Desktop/R_learning")

#注意这里要用://和/ 不能用直接复制过来的地址。

>install.packages("randomForest")

#要用随机森林的函数要先安装一下。

train<-read.csv("train.csv")

test<--read.csv("test.csv")

#把数据读进来

train<-train[-1]

test<-test[-1]

#它们的第一列都不参与运算，所以去掉，是ID

library("randomForest")

#把这个库导进去

model<-randomForest(TARGET~.,data=train,ntree=150,mtry=18)

#这个核心函数了，要运行好久，开始进行训练，参数 TARGET~.很重要，这个就是我们要最后算的那个变量，它刚好在文件的最后一列，叫TARGET~.

result<-predict(model,test)

#训练好了就要拿来预测了，test没有TARGET那列。

a<-read.csv("test.csv")

lxb<-cbind(a$ID,result)

write.csv(lxb,"lxb.csv",row.names= FALSE)

#然后就是构造要提交的文件格式，先把原先的ID读进来，作为第一列和result合并，写入lxb.csv