【原】【R语言】随机森林代码

    随着chatGPT的火爆，AI也受到了大家的广泛关注。机器学习（Machine learning）作为AI的一种，在生物医学领域也有着广泛的应用。今天小编就跟大家分享一个很流行的机器学习方法，随机森林（Random Forest）。下面以iris这套数据的分类问题为例，为大家演示机器学习的大体过程。

# 载入数据集 (以 iris 数据集为例)data(iris)
# 使用 caret 包进行模型训练和评估library(caret)
# 划分数据集为训练集和测试集set.seed(111)train_indices <- createDataPartition(iris$Species, p=0.7, list=FALSE)train_data <- iris[train_indices,]test_data <- iris[-train_indices,]


# 生成参数组合的网格矩阵param_grid <- expand.grid(mtry = seq(1, 10, by=1))
# 建立模型rf_model <- train(Species ~ .,                   data = train_data,                   method = "rf",                  trControl = trainControl(method = "cv", number = 10),                  tuneGrid = param_grid                  )
# 打印最佳调参结果print(rf_model$bestTune)
# 对测试集进行预测并输出分类准确率predictions <- predict(rf_model, test_data)confusionMatrix(predictions, test_data$Species)$overall["Accuracy"]

可以得到在测试集上的预测准确度为

 Accuracy 
0.9555556