Random-Forest-Klassifikation

Auch die Random-Forest-Methode lässt sich wahlweise auf Regressions- oder Klassifikationsprobleme anwenden. Für unsere SpamBase-Daten könnte das so aussehen:

> library(randomForest)
randomForest 4.5-36
Type rfNews() to see new features/changes/bug fixes.
>
> (Spam.randfor <- randomForest(ist.Spam ~ ., data = SpamBase.Training))

Call:
 randomForest(formula = ist.Spam ~ ., data = SpamBase.Training)
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 7

        OOB estimate of error rate: 5.06%
Confusion matrix:
       Ja Nein class.error
Ja   1172   97  0.07643814
Nein   66 1885  0.03382881

Achten Sie auf die Konfusionsmatrix, dort wird ausgewiesen, wie gut das Random-Forest-Modell die Trainingsdaten ...

Get R in a Nutshell now with the O’Reilly learning platform.

O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial