Cách tốt nhất để trình bày một khu rừng ngẫu nhiên trong một ấn phẩm?

Tôi đang sử dụng thuật toán rừng ngẫu nhiên như một bộ phân loại mạnh mẽ của hai nhóm trong một nghiên cứu microarray với 1000 tính năng.

• Cách tốt nhất để trình bày khu rừng ngẫu nhiên để có đủ thông tin để làm cho nó có thể tái tạo trong một bài báo là gì?
• Có một phương thức cốt truyện trong R để thực sự vẽ cây, nếu có một số lượng nhỏ các tính năng?
• Là ước tính OOB về tỷ lệ lỗi là thống kê tốt nhất để trích dẫn?

Về việc làm cho nó có thể tái tạo, cách tốt nhất là cung cấp nghiên cứu có thể tái tạo (tức là mã và dữ liệu) cùng với bài báo. Làm cho nó có sẵn trên trang web của bạn, hoặc trên một trang web lưu trữ (như github).

Về trực quan hóa, Leo Breiman đã thực hiện một số công việc thú vị về điều này (xem trang chủ của anh ấy , đặc biệt là phần về đồ họa ).

Nhưng nếu bạn đang sử dụng R, thì randomForestgói có một số chức năng hữu ích:

data(mtcars)
mtcars.rf <- randomForest(mpg ~ ., data=mtcars, ntree=1000, keep.forest=FALSE,
                           importance=TRUE)
plot(mtcars.rf, log="y")
varImpPlot(mtcars.rf)

Và

set.seed(1)
data(iris)
iris.rf <- randomForest(Species ~ ., iris, proximity=TRUE,
                        keep.forest=FALSE)
MDSplot(iris.rf, iris$Species)

Tôi không biết một cách đơn giản để thực sự vẽ cây, nhưng bạn có thể sử dụng getTreehàm để lấy cây và vẽ riêng nó.

getTree(randomForest(iris[,-5], iris[,5], ntree=10), 3, labelVar=TRUE)

Bài thuyết trình Strobl / Zeileis về "Tại sao và làm thế nào để sử dụng các biện pháp quan trọng của biến rừng ngẫu nhiên (và cách bạn không nên)" có các ví dụ về cây phải được sản xuất theo cách này. Bài đăng blog này trên các mô hình cây có một số ví dụ hay về các lô cây GIỎI mà bạn có thể sử dụng chẳng hạn.

Như @chl đã nhận xét, một cây duy nhất không có ý nghĩa đặc biệt trong bối cảnh này, vì vậy, sử dụng nó để giải thích một khu rừng ngẫu nhiên là gì, tôi sẽ không bao gồm điều này trong một bài báo.

1. Như Shane đã viết; làm cho nó nghiên cứu tái sản xuất + bao gồm các hạt ngẫu nhiên, bởi vì RF là ngẫu nhiên.
2. Trước hết, âm mưu cây đơn hình thành RF là vô nghĩa; đây là một bộ phân loại đồng bộ, nó chỉ có ý nghĩa như một toàn thể. Nhưng ngay cả việc vẽ toàn bộ khu rừng là vô nghĩa - đó là một bộ phân loại hộp đen, vì vậy nó không nhằm giải thích dữ liệu với cấu trúc của nó, thay vào đó để sao chép quy trình ban đầu. Thay vào đó, hãy thực hiện một số âm mưu mà Shane đề xuất.
3. Trong thực tế, OOB là một xấp xỉ lỗi rất tốt; Tuy nhiên, đây không phải là một thực tế được chấp nhận rộng rãi, vì vậy để xuất bản, tốt hơn là nên làm một CV để xác nhận nó.

Hãy ghi nhớ những cảnh báo trong các câu trả lời khác về cốt truyện nhất thiết phải có ý nghĩa. Nhưng nếu bạn muốn một cốt truyện cho mục đích minh họa / sư phạm, đoạn trích sau của R có thể hữu ích. Không khó để thêm "điểm chia" vào văn bản cạnh nếu bạn cần.

to.dendrogram <- function(dfrep,rownum=1,height.increment=0.1){

  if(dfrep[rownum,'status'] == -1){
    rval <- list()

    attr(rval,"members") <- 1
    attr(rval,"height") <- 0.0
    attr(rval,"label") <- dfrep[rownum,'prediction']
    attr(rval,"leaf") <- TRUE

  }else{##note the change "to.dendrogram" and not "to.dendogram"
    left <- to.dendrogram(dfrep,dfrep[rownum,'left daughter'],height.increment)
    right <- to.dendrogram(dfrep,dfrep[rownum,'right daughter'],height.increment)
    rval <- list(left,right)

    attr(rval,"members") <- attr(left,"members") + attr(right,"members")
    attr(rval,"height") <- max(attr(left,"height"),attr(right,"height")) + height.increment
    attr(rval,"leaf") <- FALSE
    attr(rval,"edgetext") <- dfrep[rownum,'split var']
    #To add Split Point in Dendrogram
    #attr(rval,"edgetext") <- paste(dfrep[rownum,'split var'],"\n<",round(dfrep[rownum,'split point'], digits = 2),"=>", sep = " ")
  }

  class(rval) <- "dendrogram"

  return(rval)
}

mod <- randomForest(Species ~ .,data=iris)
tree <- getTree(mod,1,labelVar=TRUE)

d <- to.dendrogram(tree)
str(d)
plot(d,center=TRUE,leaflab='none',edgePar=list(t.cex=1,p.col=NA,p.lty=0))