运维开发网

机器学习:在SAS中运行随机森林

运维开发网 https://www.qedev.com 2021-05-15 20:13 出处:51CTO 作者:拓端小助手
机器学习:在SAS中运行随机森林,拓端小助手原创的其他文章。

为了在SAS中运行随机森林,我们必须使用PROC HPFOREST指定目标变量,并说明天气变量是“类别”还是“定量”。为了进行此分析,我们使用了目标(Repsone变量),该目标是分类的(SAS语言中标称的),如下面的图像代码中所描述的黄色和红色:

机器学习:在SAS中运行随机森林

 

运行代码后,我们得到了一系列表格,这些表格将详细分析数据。例如,模型信息让我们知道,随机选择了3个变量来测试每个节点或每个树中可能的分割(黄色)。我们还可以看到,运行的最大树数为100,如蓝色下划线所示。

 

HPFOREST仅使用在任何观察值下均没有缺失记录的有效变量。但是,我们还可以看到,在研究样本的213个国家中,有213个被利用。

机器学习:在SAS中运行随机森林

机器学习:在SAS中运行随机森林

接下来,我们可以看到模型生成带有“基准拟合统计量”的表。就本研究中的数据而言,我们可以看到该模型识别出38%的误分类,换句话说是62%的准确分类。这表示大部分样本已在每个随机选择的样本中正确分类。 

机器学习:在SAS中运行随机森林

 

 在下表中分析森林时,我们可以看到误分类率已经达到了最低点,这表明在OOB样本中使用该模型进行测试时,误分类率仅在22%。

机器学习:在SAS中运行随机森林

 

最后,我们看到SAS POC HPFOREST为我们提供了“变量重要性”表。下表概述了每个变量如何有助于模型的可预测性的重要性等级。如下图所示,酒精变量排名最高。

现在,以下内容将帮助我们理解如何阅读表格:

  • 规则数:告诉我们使用变量的拆分规则数
  • Gini OOB:这是在“ Out of Bag”阶段中计算出的数据 
  • 拟合统计告诉我们,OOB数据的偏差较小,因此,数据通过OOB Gini度量进行排序 
  • 就预测自杀率高于正常水平而言,这些变量被列为高度重要性(顶部)和最低重要性(底部)。 
  • 从下表中我们可以看出,最容易预测模型自杀率高于正常模型的变量是酒精消费量,就业率和城市率。 

机器学习:在SAS中运行随机森林

 

我们可以看到随机森林是一种数据挖掘算法,可以选择重要的解释变量,这些变量可以用于确定因变量(目标变量)的分类结果还是定量结果。此外,本文还允许我们结合使用分类变量和定量变量。总之,这个森林让我们知道哪些变量很重要,但彼此之间没有关系。

 


机器学习:在SAS中运行随机森林

0

精彩评论

暂无评论...
验证码 换一张
取 消