Блог

Главная - Вопросы по программированию - Сохранить случайный объект леса

Сохранить случайный объект леса

#r

#r

Вопрос:

У меня есть объект randomForest, который я хочу сохранить для последующего использования. Я пробовал некоторые из следующих действий, но безуспешно.

 save(topDawg , file="myRFobject.RData")

Это просто сохраняет строку «topDawg»

 > formula(topDawg)
Error in formula.default(topDawg) : invalid formula


> save(getTree(topDawg))
Error in save(getTree(topDawg)) : object ‘getTree(topDawg)’ not found

Есть предложения?

Ответ №1:

Я не совсем уверен, что вы пытаетесь здесь сделать, поскольку обычно вы save создаете объект, а затем load его позже, вот так:

 set.seed(71)
> irisrf <- randomForest(Species ~ ., data=iris, importance=TRUE,
                          proximity=TRUE)
> save(irisrf,file = "irisrf.RData")
> 
> rm(irisrf)
> print(irisrf)
Error in print(irisrf) : object 'irisrf' not found
> 
> load("irisrf.RData")
> print(irisrf)

Call:
 randomForest(formula = Species ~ ., data = iris, importance = TRUE,      proximity = TRUE) 
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 2

        OOB estimate of  error rate: 4.67%
Confusion matrix:
           setosa versicolor virginica class.error
setosa         50          0         0        0.00
versicolor      0         47         3        0.06
virginica       0          4        46        0.08

Комментарии:

1. Очень хороший трюк, если вы хотите запустить классификатор r с функцией вызова подпроцесса в python

Ответ №2:

У меня была та же проблема (загрузка объекта randomForest привела к символьной строке), и что-то вроде этого, похоже, сработало для меня:

 forest = get(load("forestGOOG.RData"))

(У меня есть случайный лесной объект ‘forestGOOG’, сохраненный в рабочем каталоге)

Ответ №3:

Вот решение, если вы хотите загрузить модель под другим именем

   library(randomForest)

  # 1. Create data set
  set.seed(100)
  df_iris <- randomForest(Species ~ ., data = iris, importance = TRUE,  proximity = TRUE)

  # 2. Save model
  file_name <- "model_iris.rds"
  saveRDS(df_iris, file_name)

  # 2.3. Load model under another name
  df_iris_loaded <- readRDS(file_name)
  df_iris_loaded

  # 2.4. Test two models
  identical(df_iris, df_iris_loaded, ignore.environment = TRUE)

Ответ №4:

После создания случайной модели леса сохраните модель в виде файла, чтобы вы могли использовать ее позже.

 #model
  model_rf <- randomForest(y~ ., data = dataset, mtry=7,ntree=500)

#write model
  saveRDS(model_rf , "model_rf.RDS")

#load model
 readRDS("model_rf.RDS")
Метки: