- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我相信 randomForest
中的“rf”( caret
)方法将默认的树数设置为 500。不幸的是,这会导致时间复杂度对于较大的数据集失去控制。有没有什么快速的方法可以在不创建自定义方法的情况下减少树的数量?我知道 rf 的唯一可调参数是 mtry。
澄清一下:我不想调整树木的数量。我只是想将它修复为较低的值,以便我可以在合理的时间内运行 rf。
最佳答案
您可以在调用 train 时指定 ntree 参数,如下所示:
rf <- train(X, y, method="rf", preProcess=c("center","scale"), ntree=100, trControl=fitControl)
关于r - 如何减少从插入符号传递给 RF 的默认 ntree=500 参数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31278688/
我已手动调整参数以找到最佳 ntree: bestMtry <- 3 control <- trainControl(method = 'repeatedcv',
我正在使用 R 包randomForest 对一些生物数据进行回归。我的训练数据大小是 38772 X 201。 我只是想知道——树的数量ntree和每层变量的数量mtry的合适值是多少?有没有一个近
我相信 randomForest 中的“rf”( caret )方法将默认的树数设置为 500。不幸的是,这会导致时间复杂度对于较大的数据集失去控制。有没有什么快速的方法可以在不创建自定义方法的情况下
我正在使用以下函数在我的数据集上与随机森林算法进行交叉验证。但是,ntree 会引发错误,指出函数中未使用它。尽管我之前在有关此问题的一个线程中看到过这种用法作为推荐评论,但它对我不起作用。这是我的代
我目前正在尝试使用递归特征消除 (RFE) 来优化非常高维数据集 (p > 200k) 的随机森林分类器。 caret包有一个很好的实现来执行此操作(rfe()-函数)。然而,我也在考虑优化 RAM
我是一名优秀的程序员,十分优秀!