7.R语言分析数据：随机森林分类+影响因子重要性可视化

R语言实战第17章

（1）数据准备

class是因变量，其余列为自变量，ID及其前面一列的编号不做为变量。

训练集和验证集可以不区分

1 library (randomForest)

2 df.train<-read.csv("df.train.csv")

3 set.seed(1234)

#该命令的作用是设定生成随机数的种子,种子是为了让结果具有重复性。

4 fit.forest <- randomForest(class~. , data=df.train,na.action=na.roughfix,importance=TRUE)

#class~.；class表示该目录下为因变量（响应变量），~.表示省略号 表示包含所有的自变量。na.action=na.roughfix，将NA单元格进行按列求均值或众数，importance=TRUE将错误值进行计算。

type=2

随机森林的可视化：

模型误差图：（对数据量的界定图中200以后区域平稳，视频中选择了500个左右，因此数据选这比较合理）

varImpPlot(fit.forest,main = "variable importance")#fit.forest随机森林的结果，

main标题

5

na.action=na.roughfix,

6

importance=TRUE)

7#设置proximity=TRUE,则指定计算临近矩阵

8fit.forest

9importance(fit.forest, type=2)10#验证(可无)

11 forest.pred <- predict(fit.forest，df.validate)

12forest.perf <- table(df.validate$class，forest.pred,13

dnn=c("Actual", "Predicted" ))

14 forest.perf

mhJ.nZ1