随机森林RandomForest回归生物标记预测时间序列
关于随机森林的简介和应用理论,请阅读之前分享的文章:
一文读懂随机森林在微生态中的应用
关于随机森林进行分类的入门实战,请阅读之前分享的
《RandomForest:随机森林预测生物标记biomarker——分类》,
大家可以学习此文,实现分组挖掘两组或多组的特异Features,也可以展示特征的贡献度,获得分类评估的准确度,以及使用新数据进行预测,无监督的随机森林等基础技能。
今天我们讲使用randomForest实现回归分析的实战代码。回归的应用主要包括时间序列预测模式,如预测股票、尸体死亡时间等。
本节不需要先验知识可也直接学习使用。
RandomForest安装与加载
# 安装
install.packages("randomForest")
# 加载
library(randomForest)
回归Classification
先了解一下输入数据格式,方便准备
使用R内置按天记录的空气质量数据
data(airquality)
head(airquality)
数据包括157天中,臭氧、太阳强度、风和温度,部分有缺失。前4列属性数据,后2列时间月和日为分组数据。
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.6 74 5 3
4 18 313 11.5 62 5 4
5 NA NA 14.3 56 5 5
6 28 NA 14.9 66 5 6
设置随机数种子保证结果可重复
set.seed(315)
随机森林回归臭氧与其它所有属性
ozone.rf= randomForest(Ozone ~ ., data=airquality, mtry=3,importance=TRUE, na.action=na.omit)
print(ozone.rf)
结果如下:包括分析的命令,分析类型,树数量,重要的变量(Feature)个数,平均残差平方,解析率。
Call:randomForest(formula = Ozone ~ ., data = airquality, mtry = 3, importance = TRUE, na.action = na.omit)Type of random forest: regressionNumber of trees: 500
No. of variables tried at each split: 3Mean of squared residuals: 304.4269% Var explained: 72.26
查看每个变量的分类贡献度,显示仅保留两位小数可读性更好
round(importance(ozone.rf), 2)%IncMSE IncNodePurity
Solar.R 10.40 10833.08
Wind 23.55 43838.66
Temp 47.13 53731.95
Month 2.04 1504.72
Day 0.91 6306.42
结果为每个相关变量对应两列值。%IncMSE是Increased in mean squared error (%),直译为增长的错误率平方均值,即去除该变量后,对目标预测的准确度下降的低,可理解为对目标变量预测准确的贡献度。IncNodePurity是Increased node purity,是另一种评估的方法。这里我们只关注%IncMSE就够了。
varImpPlot(ozone.rf)
交叉验证cross-validation
# 先清空NA的样本,验证不允许有NA
airquality = na.omit(airquality)
myairquality= cbind(airquality[1:6], matrix(runif(96 * nrow(airquality)), nrow(airquality), 96))
# 交驻验证添加了随机数的训练集,分组,交叉验证的次数
result= rfcv(myairquality, airquality$Ozone, cv.fold=3)# 绘制错误率曲线,观查错误率与使用Markers数量的变化
with(result, plot(n.var, error.cv, log="x", type="o", lwd=2))
我们看到一个现象,不是feature越多越好,无关的feature如果多了,反而错误率上升,会影响预测的准确度。
# 使用replicate进行多次交叉验证,可选
result= replicate(5, rfcv(myairquality, airquality$Ozone), simplify=FALSE)
error.cv= sapply(result, "[[", "error.cv")
matplot(result[[1]]$n.var, cbind(rowMeans(error.cv), error.cv), type="l",lwd=c(2, rep(1, ncol(error.cv))), col=1, lty=1, log="x",xlab="Number of variables", ylab="CV Error")
多次验证结果类型,更能说明结果的可信度。
严谨总没有坏处,好的结果都是多角度证明的。
大家学习随机森林的分类、和回归。将来有时间,将带大家上手重复一些高水平文章中的分析,结合具体生物学问题会更有意思。
猜你喜欢
10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
系列教程:微生物组入门 Biostar 微生物组 宏基因组
专业技能:学术图表 高分文章 生信宝典 不可或缺的人
一文读懂:宏基因组 寄生虫益处 进化树
必备技能:提问 搜索 Endnote
文献阅读 热心肠 SemanticScholar Geenmedical
扩增子分析:图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
在线工具:16S预测培养基 生信绘图
科研经验:云笔记 云协作 公众号
编程模板: Shell R Perl
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份,另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战,关注“宏基因组”
点击阅读原文,跳转最新文章目录阅读
随机森林RandomForest回归生物标记预测时间序列相关推荐
- 随机森林RandomForest挖掘生物标记预测分类
随机森林简介 如果读者接触过决策树(Decision Tree)的话,那么会很容易理解什么是随机森林.随机森林就是通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策树,而它的本质属于机器学习 ...
- 随机森林(randomForest)和极限树或者叫做极端随机树(extraTree),
随机森林:是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定.,随机森林对回归的结果在内部是取得平均 但是并不是所有的回归都是取的平均,有些是取的和,以后会发博文来解释这样 ...
- kaggle项目:基于随机森林模型的心脏病患者预测分类!
公众号:尤而小屋 作者:Peter 编辑:Peter 大家好,我是Peter~ 新年的第一个项目实践~给大家分享一个新的kaggle案例:基于随机森林模型(RandomForest)的心脏病人预测分类 ...
- 《scikit-learn》随机森林之回归
今天我们学习下随机森林做回归的用法 话不多说直接上测试代码,看的更加清晰,总体上和回归树是一样的使用流程 from sklearn.datasets import load_boston from s ...
- sklearn的随机森林实现泰坦尼克号旅客生存预测
sklearn的随机森林实现泰坦尼克号旅客生存预测 介绍 数据集介绍 算法 学习器 分类器 实现 数据下载与导入 预处理 建立模型 评估,预测 结果 代码 介绍 参考资料: https://wenku ...
- 动手实操丨基于随机森林算法进行硬盘故障预测
摘要:业界期望使用机器学习技术来构建硬盘故障预测的模型,更准确地提前感知硬盘故障,降低运维成本,提升业务体验.本案例将使用随机森林算法来训练一个硬盘故障预测模型. 本文分享自华为云社区<基于随机 ...
- 利用随机森林算法实现Bank风险预测
利用随机森林算法实现Bank风险预测 源码分享及数据集分享:https://github.com/luo948521848/BigDatas 在机器学习中,随机森林是一个包含多个决策树的分类器, 并且 ...
- 基于随机森林算法进行硬盘故障预测
摘要:本案例将带大家使用一份开源的S.M.A.R.T.数据集和机器学习中的随机森林算法,来训练一个硬盘故障预测模型,并测试效果. 本文分享自华为云社区<基于随机森林算法进行硬盘故障预测>, ...
- 随机森林-RandomForest
http://www.36dsj.com/archives/32820 简介 近年来,随机森林模型在界内的关注度与受欢迎程度有着显著的提升,这多半归功于它可以快速地被应用到几乎任何的数据科学问题中去, ...
最新文章
- java 内部类 返回值_Java基础第10天+形式参数和返回值的问题、包、导包、权限修饰符、常见的修饰符、内部类(局部内部类,成员内部类,匿名内部类)...
- Java IO流学习总结七:Commons IO 2.5-FileUtils
- kerberos安装配置、配置kerberos server、client、日常操作与常见问题、卸载kerberos、hive整合kerberos
- 检测IP地址的正则表达式
- 软件工程之中期学习总结
- linux无线网卡连不上网,Ubuntu 16.04无线网卡不见,无法用WiFi上网的解决方法
- 4.2创建自定义Spring Boot自动配置Starter
- USB学习笔记--USB枚举过程
- 我国政务大数据政策的文本分析:推进逻辑与未来进路
- c++-密码生成小程序
- myeclipse安装插件phpeclipse后进行PHP代码编写
- 什么情况下,英文单词中的k发音变g,t发音变d,p发音变b
- python多线程抢红包代码_python实现的抢红包程序代码
- vue {{}}中小数保留几位小数的toFixed(小数位数)方法
- ChatGPT爆火出圈,高质量文本标注数据成关键
- 微星z370安装linux系统,在MSI z370主板上安装win7和BIOS设置的详细教程
- 视频信号指标与测试方法
- 【求锤得锤的故事】Redis锁从面试连环炮聊到神仙打架
- 硬件设计学习笔记---第一季第一集
- 【第二趴】uni-app开发工具(手把手带你安装HBuilderX、搭建第一个多端项目初体验)
热门文章
- Git 分支设计规范
- JVM内存结构、内存模型 、对象模型那些事
- 推荐8个特别实用、功能强大的软件,解决痛点需求
- 换个角度聊系统稳定性建设(2021版)
- 从DDD看企业级问题解决方案框架
- jquery按钮禁用(全)
- Find函数使用语法
- 替换空格---StringBuilder
- windows opensshd 连接就close_基于Windows白名单执行Payload上线Metasploit 渗透红队笔记...
- python开发企业管理平台_我的第一个python web开发框架(34)——后台管理系统权限设计...