2016-02-02 58 views
2

我试图多次随机森林中的R结合,采用随机森林“结合”函数生成,但不能从“插入符号”包包装输出随机森林这么做。R:结合森林时随机森林的错误使用插入符号

返回的对象具有类“火车”,而不是“随机森林” - 任何想法吗?

我不清楚如何检索运行插入符号的“训练”功能,我认为应该包含这些后随机森林的对象。

这样做的原因是,我运行在一个大的数据集分析,太大了,与我的硬件上运行随机森林。

要管理和可用内存我已经第一次产生许多小森林数据集,然后使用RF“合并”功能将它们结合在一起。结果是好的,我想对照片中的输出做同样的事情。

问题代码的概要(我宁愿使用一个比一个循环中使用的功能,但我还不清楚应用到本示例)

trainData.Slices <- list() #My data is 'sliced' into manageable pieces, each one being run through randomForest individually before being recombined 
trainData.Slices[[1]] <-data.frame("y.val" = runif(1000, 0, 1), pred1 = runif(1000, 1, 5), pred1 = runif(1000, 10, 20)) 
trainData.Slices[[2]] <- data.frame("y.val" = runif(1000, 0, 1), pred1 = runif(1000, 1, 5), pred1 = runif(1000, 10, 20)) 
trainData.Slices[[3]] <- data.frame("y.val" = runif(1000, 0, 1), pred1 = runif(1000, 1, 5), pred1 = runif(1000, 10, 20)) 


slicesRun <- length(trainData.Slices) #Specify how many slices to cut the data into for individual processing 
forestList <- list() #The list into which each small forest will be added 
nVar <- length(trainData.Slices[[1]]) 


for (i in 1:slicesRun) { 
trainData <- trainData.Slices[[i]] 

#The standard randomForest code works perfectly 
forestList[[i]] <- randomForest(x=trainData[,-1], y=trainData[,1],ntree=200, importance=TRUE, proximity=TRUE) 
print(class(forestList[[i]])) 

#caret is returning 'train' objects rather than randomForest objects 
forestList_caret[[i]] <- train(y=trainData[,1], x=trainData[,-1], method="rf", trControl=trainControl(method="cv", number=5), prox=TRUE, allowParallel=TRUE) 
print(class(forestList_caret[[i]])) 
#How can the rf objects be returned instead, or train objects combined? 

} 


rf.all <- do.call("combine",forestList) #Combine the forests into one 
rf.all_caret <- do.call("combine",forestList) #Combine the forests into one  
+2

欢迎堆栈溢出 - 见[此FAQ](http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example)有关提供可重现示例的提示。 – nrussell

+0

谢谢nrussel。现在编辑。 – Jernau

回答

1

我也有这个问题,并发现了以下从这个职位:Error when using predict() on a randomForest object trained with caret's train() using formula

randomForest对象在$finalModel,所以forestList_caret[[i]]$finalModel在你的例子。您的代码工作有以下变化:

线线22后8〜forestList <- forestList_caret <- list()

线28 rf.all_caret <- do.call("combine",forestList_caret)

插入:

forestList_caret[[i]] <- forestList_caret[[i]]$finalModel print(class(forestList_caret[[i]]))

存放$finalModel对象让你可在端部将它们结合起来,并且将结果与类的对象。请与:

print(class(rf.all_caret))