是否可以生成树木完全相同的决策林？请注意，这是一个实验性问题。据我所知，随机森林有两个参数，导致随机性＆＃39;与单个决策树相比：
1）在决策树的每个节点处随机抽样的特征数量，
2）用于创建树的多个训练示例。
直观地说，如果我将这两个参数设置为最大值，那么我应该避免“随机性”，因此每个创建的树应该完全相同。因为所有树都完全一样，无论森林中树木的数量或不同的运行（即不同的种子值），我都应该获得相同的结果。
我已经使用R中的randomForest库测试了这个想法。我认为前面提到的两个参数对应于＆＃39; mtry＆＃39;和＆＃39; sampsize＆＃39;分别。我已经将这些值设置为最大值，但不幸的是仍然存在一些随机性，因为OOB误差估计会根据森林中树木的数量而变化？！
请您帮助我了解如何删除随机决策林中的所有随机性，最好使用R中randomForest库的参数？
答案 0 :(得分：1)
除了mtry和sampsize之外，randomForest（）还有另一个相关的参数：replace。默认情况下，每个树的数据点的采样都是通过替换来完成的。如果要在所有树中使用所有数据点，不仅需要将sampsize设置为数据点数，还要设置replace = FALSE。
这是一个玩具示例，表明您可以获得相同树木的森林：
库（随机森林）
set.seed（17）
x＆lt; - matrix（样本（5,50，替换= TRUE），10,5）
y＆lt; - factor（样本（2,10，替换= TRUE））
rf1＆lt; - randomForest（x，y，mtry = ncol（x），sampsize = nrow（x），replace = FALSE，ntree = 5）
然后您可以使用getTree（rf1,1）等检查所有树是否相同。