P值为随机森林

Question

我是新来的R，所以很抱歉，如果这个问题是微不足道的。我尝试通过对类标签进行混洗来计算我的随机森林分类的​​p值。这里使用的虹膜数据，到目前为止我的代码设置一个例子：

 rows <- sample(rownames(iris), replace = TRUE, size = length(rownames(iris))*0.8) 
    train <- iris[rows,] 
    validation <- iris[-as.numeric(names(table(rows))),] 

    fit <- randomForest:::randomForest(Species ~ ., 
           data=train, 
           importance=TRUE, 
           ntree=1000)  
    Prediction <- predict(fit, validation) 
    confmatrix <- table(validation[,"Species"], Prediction) 
    confusionMatrix(confmatrix) 

我读到了一个名为rfPerform包。阅读帮助页面后，我想出了下面的代码：

 rfPermute(Species ~ ., data = iris, ntree = 100, na.action = na.omit, nrep = 50)$pval 

这里我的问题：我不明白输出（缩放和无标度）（对不起，我不是一个统计学家和阅读我仍然后没有区别）。是否有可能通过诸如此类获得单一的p值？计算所有p值的中位数？我想要解决的问题是我的随机森林的结果偶然发生还是显着。我对一个特定的功能或一个特定的类不感兴趣。

感谢您的帮助！

Answer 1

缩放变量和缩放变量时有区别。缩放数据集的变量后，您的目标是让所有变量具有相同的方差（通常为1）。这允许具有许多异常值，极值等的变量足以用于与其他变量进行比较。因此，这两个数组表示算法的结果，一次是缩放变量，另一个没有缩放变量。

你需要澄清自己的下一件事是你运行的算法是干什么的。只是盲目地运行你不明白的算法会对你研究的东西造成更多的伤害。如果你只是谷歌，你可以在网上阅读它们。

您感兴趣的输出不能汇总为一个p值。但是，输出为您提供Species的p值，每个值都有其自己的增长树。在那里你可以看到哪棵树具有统计显着性。整个产出很重要，因为你可以看到哪些物种可以做出统计学上有意义的假设。

希望我回答了你的问题。