[R-es] Random Forests
Manuel Mendoza
mmendoza en mncn.csic.es
Sab Ene 20 18:17:34 CET 2018
Si, Carlos. Yo hago lo mismo, pero esos mismos numeritos salen enormes.
> treesize(RFfit)
[1] 4304 4302 4311 4319 4343 4298 4298 4311 4349 4327 4331 4317
4294 4321 4283 4362
[17] 4300 4330 4266 4331 4308 4352 4294 4315 4372 4349 4331 4347
4329 4348 4298 4335
[33] 4346 4396 4345 4313 4293 4276 4353 4272 4304 4325 4317 4336
4308 4351 4374 4324
[49] 4386 4359 4311 4346 4300 4332 4336 4376 4319 4322 4344 4324
4324 4359 4342 4378
[65] 4344 4324 4314 4318 4344 4311 4359 4304 4288 .... hasta 1000
Con mtry le indicas el nº de variables que los árboles utilizarán
(recomendado m=√p para árboles de clasificación, y m = p/3 para los de
regresión), y con ntree el nº de árboles. Pero no encuentro cómo
indicarle, aunque sea, un tamaño máximo para los árboles, y en
cualquier caso, me parece extraño que se generen árboles con
tantísimos nodos. Mi df tiene unas 13.000 entradas y 19 variables,
pero eso no es nada especial para que me hiciese árboles tan grandes.
No entiendo
Quoting Carlos Ortega <cof en qualityexcellence.es>:
> Hola,
>
> No. Mira el ejemplo:
>
>> data(iris)
>> iris.rf <- randomForest(Species ~ ., iris)
>> hist(treesize(iris.rf))
>> treesize(iris.rf)
> [1] 7 10 13 7 10 6 9 8 7 9 8 8 6 8 7 9 7 10 6 16 4 13 11
> 10 8 11 10 8 7 9 9 6 11 7 5 10 12 10 7 12 12 8 11 10
> [45] 10 10 9 11 8 6 7 12 9 9 7 6 10 9 10 7 8 8 8 7 8 12 7
> 11 12 8 7 7 6 9 9 6 6 11 3 9 12 11 13 9 9 7 7 12
> [89] 11 6 6 8 6 11 9 10 10 6 7 14 7 10 8 7 9 11 7 14 7 7 8
> 9 7 6 9 8 9 8 13 9 10 10 9 11 6 7 9 10 8 9 9 6
> [133] 9 8 10 9 11 8 6 7 13 6 6 9 5 14 8 10 13 10 12 13 11 12 10
> 9 12 9 13 10 9 11 7 10 10 9 9 8 6 5 9 9 11 10 8 10
> [177] 4 10 12 10 10 8 10 11 9 5 7 8 8 15 8 7 7 9 12 9 10 9 12
> 8 10 8 11 9 6 7 9 12 7 8 10 12 6 14 11 4 6 6 7 9
> [221] 10 11 13 5 8 10 7 10 10 12 10 11 11 8 9 11 9 9 9 10 6 10 7
> 10 10 14 9 10 6 10 6 8 6 9 9 10 10 10 10 9 10 10 8 14
> [265] 8 11 6 11 9 9 9 8 11 7 8 11 8 4 9 11 6 8 10 8 9 10 8
> 9 8 11 11 9 12 14 7 9 8 9 10 10 11 8 12 12 12 4 10 11
> [309] 8 8 11 9 9 8 10 9 4 10 10 6 13 10 12 9 10 9 5 9 7 4 7
> 15 7 8 7 11 7 11 12 5 12 7 9 8 13 14 9 9 9 9 6 13
> [353] 13 7 10 6 5 6 10 6 8 8 9 11 9 11 7 7 11 8 6 10 13 7 12
> 11 14 7 10 11 9 8 6 8 10 8 9 6 10 10 6 7 7 7 11 13
> [397] 8 5 7 14 10 14 8 9 6 11 9 11 10 9 8 7 11 10 10 11 8 10 12
> 9 8 8 9 9 9 9 9 5 9 7 13 10 11 8 10 9 10 12 8 12
> [441] 9 10 4 7 11 7 10 4 6 13 8 7 10 9 7 6 8 9 7 11 8 8 9
> 10 5 8 11 12 6 5 10 10 6 10 10 5 10 13 9 13 10 10 6 12
> [485] 8 7 9 12 10 9 7 7 14 6 9 6 6 8 10 6
>> vtmp <- treesize(iris.rf)
>> sum(vtmp)
>
> Por defecto al no especificar nada, el "ntrees" de randomForest() es 500.
> Efectivamente generas 500 árboles como ves en el número de elementos que
> devuelve "treesize(iris.rf)".
>
> Y cada árbol, tiene el número de nodos que ves en el valor de cada uno de
> los elementos que igualmente devuelve "treesize(iris.rf)": 7, 10, 13...
>
> Gracias,
> Carlos
>
> El 20 de enero de 2018, 10:36, Manuel Mendoza <mmendoza en mncn.csic.es>
> escribió:
>
>>
>> Gracias Carlos y Javier, ntrees es el nº de árboles y treesize sus
>> respectivos tamaños (nº de nodos)
>>
>> ntree: Number of trees to grow. This should not be set to too small ......
>>
>> treesize: Size of trees (number of nodes) in and ensemble.
>>
>>
>> Puse 1000 árboles (ntree=1000), si, pero la función treesize te da el nº
>> de nodos:
>>
>> treesize(RFfit, terminal=TRUE) me da un vector de 1000 elementos (uno por
>> cada árbol), todos ellos mayores que 4000 ????
>>
>> ¿tienen los 1000 árboles más de 4000 nodos cada uno? Parece extraño ¿no?
>>
>> Esa es mi pregunta
>>
>> Gracias nuevamente,
>> Manuel
>>
>>
>>
>>
>>
>>
>> Quoting Carlos Ortega <cof en qualityexcellence.es>:
>>
>> Hola,
>>>
>>> A "treesize()" le tienes que pasar como parámetro el objeto randomForest
>>> de
>>> tu modelo.
>>> Y obtiene el número de nodos de cada uno de los árboles que hayas indicado
>>> en el valor del parámetros "ntrees" de "randomForest". Por defecto
>>> "ntrees"
>>> tiene un valor de 500.
>>> Mira qué valor tiene "ntrees" en tu modelo "randomForest", que seguramente
>>> le hayas indicado un valor de 1000...
>>>
>>> Saludos,
>>> Carlos Ortega
>>> www.qualityexcellence.es
>>>
>>> El 17 de enero de 2018, 14:29, Manuel Mendoza <mmendoza en mncn.csic.es>
>>> escribió:
>>>
>>> Buenas tardes a todos. El paquete randomForest tiene la función treesize,
>>>> que es el nº de nodos. Me dan valores realmente elevados (en torno a
>>>> 1000),
>>>> y eso me parece extraño. ¿sabéis si es así?
>>>> Gracias,
>>>> Manuel
>>>> --
>>>> Dr Manuel Mendoza
>>>> Department of Biogeography and Global Change
>>>> National Museum of Natural History (MNCN)
>>>> Spanish Scientific Council (CSIC)
>>>> C/ Serrano 115bis, 28006 MADRID
>>>> Spain
>>>>
>>>> _______________________________________________
>>>> R-help-es mailing list
>>>> R-help-es en r-project.org
>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>>
>>>>
>>>
>>>
>>> --
>>> Saludos,
>>> Carlos Ortega
>>> www.qualityexcellence.es
>>>
>>
>>
>> --
>> Dr Manuel Mendoza
>> Department of Biogeography and Global Change
>> National Museum of Natural History (MNCN)
>> Spanish Scientific Council (CSIC)
>> C/ Serrano 115bis, 28006 MADRID
>> Spain
>>
>>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain
Más información sobre la lista de distribución R-help-es