Wiem, że jest to dość specyficzne R
pytanie, ale mogę myśleć o wariancji proporcji wyjaśnionej, , niepoprawnie. Tutaj idzie.
Próbuję użyć R
pakietu randomForest
. Mam trochę danych treningowych i danych testowych. Po dopasowaniu losowego modelu lasu randomForest
funkcja umożliwia wprowadzenie nowych danych testowych do przetestowania. Następnie podaje procent wariancji wyjaśniony w tych nowych danych. Kiedy na to patrzę, dostaję jeden numer.
Kiedy używam tej predict()
funkcji do przewidywania wartości wyników danych testowych na podstawie dopasowania modelu z danych treningowych i biorę kwadratowy współczynnik korelacji między tymi wartościami a rzeczywistymi wartościami wyników dla danych testowych, otrzymuję inną liczbę. Te wartości się nie zgadzają .
Oto R
kod ilustrujący problem.
# use the built in iris data
data(iris)
#load the randomForest library
library(randomForest)
# split the data into training and testing sets
index <- 1:nrow(iris)
trainindex <- sample(index, trunc(length(index)/2))
trainset <- iris[trainindex, ]
testset <- iris[-trainindex, ]
# fit a model to the training set (column 1, Sepal.Length, will be the outcome)
set.seed(42)
model <- randomForest(x=trainset[ ,-1],y=trainset[ ,1])
# predict values for the testing set (the first column is the outcome, leave it out)
predicted <- predict(model, testset[ ,-1])
# what's the squared correlation coefficient between predicted and actual values?
cor(predicted, testset[, 1])^2
# now, refit the model using built-in x.test and y.test
set.seed(42)
randomForest(x=trainset[ ,-1], y=trainset[ ,1], xtest=testset[ ,-1], ytest=testset[ ,1])
źródło