Chciałbym wiedzieć, czy losowy las Breimana (losowy las w pakiecie R randomForest) wykorzystuje jako kryterium podziału (kryterium wyboru atrybutów) przyrost informacji lub indeks Gini? Próbowałem to znaleźć na http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm oraz w dokumentacji pakietu randomForest w R. Ale jedyną rzeczą, jaką znalazłem, jest to, że można użyć indeksu Gini informatyka o zmiennym znaczeniu.
r
random-forest
entropy
gini
ktoś
źródło
źródło
Odpowiedzi:
Pakiet randomForest w R. autorstwa A. Liaw jest portem oryginalnego kodu będącego mieszanką kodu c (przetłumaczonego) pozostałego kodu fortran i kodu opakowania R. Aby zdecydować o ogólnym najlepszym podziale na punkty przerwania i zmienne mtry, kod używa funkcji oceniania podobnej do gini-gain:
Gdzie jest dana cecha, N jest węzeł, w którym szczelina ma być wykonane, oraz N +1 i N 2 są dwa węzły potomne przez rozszczepienie N . | . | to liczba elementów w węźle.X N N1 N2 N |.|
I , gdzie K jest liczbą kategorii w węźleGini(N)=1−∑Kk=1p2k K
Ale zastosowana funkcja oceniania nie jest dokładnie taka sama, ale zamiast tego jest równoważną bardziej wydajną obliczeniowo wersją. i | N | są stałe dla wszystkich porównywanych podziałów i dlatego są pomijane.Gini(N)
Pozwala również sprawdzić część, jeśli suma kwadratowej częstości występowania w węźle (1) jest obliczana jako|N2||N|Gini(N2)∝|N2|Gini(N2)=|N2|(1−∑Kk=1p2k)=|N2|∑nclass22,k|N2|2
The implementation also allows for classwise up/down weighting of samples. Also very important when the implementation update this modified gini-gain, moving a single sample from one node to the other is very efficient. The sample can be substracted from nominators/denominators of one node and added to the others. I wrote a prototype-RF some months ago, ignorantly recomputing from scratch gini-gain for every break-point and that was slower :)
If several splits scores are best, a random winner is picked.
This answer was based on inspecting source file "randomForest.x.x.tar.gz/src/classTree.c" line 209-250
źródło