随机森林 (ranger) 简介

概述

本脚本利用 R 语言中高效且现代的 ranger 包来构建随机森林模型。ranger 是 randomForest 包的快速 C++ 实现，特别适用于处理大型数据集和高维数据。

核心功能

1. 高速训练：相比传统实现，ranger 在多线程支持下训练速度极快。
2. 灵活性：支持分类、回归、概率估计以及生存分析等多种任务。
3. 变量重要性：内置多种方法（如杂质重要性、排列重要性）来评估特征对模型的贡献度。

适用场景

• 需要处理百万级行数的数据。
• 需要进行特征选择或解释模型决策依据。
• 追求高性能计算的机器学习任务。

依赖包

• ranger: 核心算法包。
• 无需额外安装其他重型依赖，基础 R 环境即可运行。

结果展示说明

本部分描述运行 main.R 后的预期文本输出内容。

1. 模型摘要输出

• 输入操作*：运行 print(model)
• 输出描述*：

控制台将打印一个包含以下信息的摘要对象：

• Type: 显示为 "Regression" (回归) 或 "Classification" (分类)。
• Number of trees: 显示为 500。
• Sample size: 显示每棵树使用的样本数量（通常为总样本量的 63.2% 或指定值）。
• OOG prediction error: 显示袋外 (Out-of-Bag) 的均方误差 (MSE) 或错误率，用于评估模型泛化能力。
• Splitting rule: 显示分裂规则（例如 "variance" 用于回归）。

2. 变量重要性输出

• 输入操作*：运行 print(importance_result)
• 输出描述*：

控制台将输出一个命名的数值向量，列出每个预测变量的重要性得分。例如：

• Sepal.Width: 0.15
• Petal.Length: 4.50
• Petal.Width: 3.80
• Species: 2.10
• (注：数值越大表示该变量对预测目标越重要，具体数值随随机种子略有波动)*

3. 预测结果输出

• 输入操作*：运行 print(predictions$predictions)
• 输出描述*：

控制台将输出一个数值向量，包含输入的前 5 行数据的预测 Sepal.Length 值。格式如下：

[1] 5.01 4.85 5.20 4.90 5.15

• (注：具体数值取决于模型训练过程中的随机性，但应接近原始数据中的真实 Sepal.Length 值)*