r - R randomForest 对数字类和整数类的变量的行为是否相同？

Question

在 randomForest 包中实现的 R 随机森林算法对数字类和整数类的变量的行为是否相同？

Answer 1

是的，randomForest 实现确实对待整数和数字( double )类似。在 RF 模型看来，特征值只能等于/高于或低于给定的断点，因此数字最初是整数还是 double 都没有关系。

• randomForest 确实有因子的异常(exception)(与 sklearn.randomForest 相反，后者甚至将因子视为数字)

引用自源代码:randomForest/R/randomForest.default.R -line 60

if (is.data.frame(x)) {
        xlevels <- lapply(x, mylevels) 
        ncat <- sapply(xlevels, length)
        ## Treat ordered factors as numerics.
        ncat <- ifelse(sapply(x, is.ordered), 1, ncat)
        x <- data.matrix(x)
...
}

mylevels 在第 2 行中定义

## mylevels() returns levels if given a factor, otherwise 0.
mylevels <- function(x) if (is.factor(x)) levels(x) else 0

• 因此，如果 x 中的给定特征列是因子，则 xlevels 记录级别/类别，否则为 0。在低级 C++ 中，如果 xlevels 为 0，则特征列被视为数字，否则被视为因子。将 x 转换为 data.matrix 时，所有特征都将转换为数字。

引用第 194 行

    storage.mode(x) <- "double"

这里x的存储方式设置为double