如何计算随机森林的OOB？

Question

我正在比较一些模型以获得最佳模型。现在，我想获得随机森林模型的OOB错误，以将其与其他模型的交叉验证错误进行比较。我可以做比较吗？如果可以，我如何通过R代码获得OOB错误？

Answer 1

要在R中获取随机森林模型的OOB，您可以：

library(randomForest)

set.seed(1)
model <- randomForest(Species ~ ., data = iris)

OOB错误在：

model$err.rate[,1]

其中第i个元素是直到第i个所有树的（OOB）错误率。

可以绘制它并检查它是否与为rf模型定义的绘图方法中的OOB相同：

par(mfrow = c(2,1))
plot(model$err.rate[,1], type = "l")
plot(model)

OOB对于选择超参数mtry和ntree非常有用，并且应该与k-fold CV相关联，但是不应该使用它来将rf与k-fold CV测试的不同类型的模型进行比较。 OOB非常棒，因为它几乎是免费的，而k-fold CV则需要k次才能运行。

在R中运行k-fold CV的简单方法是：

定义折叠（用k替换5（正整数＆gt; 1）以运行k -fold CV：

folds <- sample(1:5, size = nrow(iris), replace = T) #5 fold CV

这种方法不会给出相同大小的折叠（特别是对于较小的数据集），这通常不是什么大问题。

table(folds)
#output
 1  2  3  4  5 
30 28 28 33 31 

解决这个问题：

folds <- sample(rep(1:5, length.out = nrow(iris)), size = nrow(iris), replace = F)

table(folds)
#output
 1  2  3  4  5 
30 30 30 30 30 

通过折叠训练4个折叠中的每一个上的模型并在5日进行预测。在这里，我只返回一个包含预测和实际值的数据框列表，可以自定义调用以返回他想要的任何统计数据。

CV_rf <- lapply(1:5, function(x){ #5 corresponds to the number of folds defined earlier
  model <- randomForest(Species ~ ., data = iris[folds != x,])
  preds <- predict(model,  iris[folds == x,], type="response")
  return(data.frame(preds, real = iris$Species[folds == x]))
  })

您可以使用相同的代码来获得脊模型的性能。

将数据帧列表转换为数据帧：

CV_rf <- do.call(rbind, CV_rf)

检查准确性

caret::confusionMatrix(CV_rf$preds, CV_rf$real) 
#part of output:
Overall Statistics

               Accuracy : 0.9533         
                 95% CI : (0.9062, 0.981)
    No Information Rate : 0.3333         
    P-Value [Acc > NIR] : < 2.2e-16 

所以这里的准确度是0.9533

而500的OOB（默认情况下500在rf中是合适的）树是：

model$err.rate[500,1]
#OOB 
0.04666667 

他们完全违背了我的观点，但是例如尝试运行10倍CV或3倍，你会发现它们不一样。

另一种方法是使用caret或mlr库。我不使用mlr，但caret非常适合这样的任务。这是something，以帮助您开始使用插入符和rf。插入符号非常好documentation。即使您不打算使用该包，我也可以推荐它。