Sei que essa é uma R
pergunta bastante específica , mas posso estar pensando na variação proporcional explicada, , incorretamente. Aqui vai.
Estou tentando usar o R
pacote randomForest
. Eu tenho alguns dados de treinamento e dados de teste. Quando encaixo um modelo de floresta aleatório, a randomForest
função permite inserir novos dados de teste para teste. Em seguida, informa a porcentagem de variação explicada nesses novos dados. Quando olho para isso, recebo um número.
Quando uso a predict()
função para prever o valor do resultado dos dados de teste com base no ajuste do modelo a partir dos dados de treinamento e tomo o coeficiente de correlação ao quadrado entre esses valores e os valores de resultado reais dos dados de teste, recebo um número diferente. Esses valores não correspondem .
Aqui está um R
código para demonstrar o problema.
# 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])
fonte