原文鏈接：http:///?p=7661

為了在SAS中運(yùn)行隨機(jī)森林，我們必須使用PROC HPFOREST指定目標(biāo)變量，并概述天氣變量是“類(lèi)別”還是“定量”。為了進(jìn)行此分析，我們使用了目標(biāo)（Repsone變量），該目標(biāo)是分類(lèi)的（SAS語(yǔ)言中標(biāo)稱(chēng)的），如下面的圖像代碼中所描述的黃色和紅色：

運(yùn)行代碼后，我們得到了一系列表格，這些表格將詳細(xì)分析數(shù)據(jù)。例如，模型信息讓我們知道，隨機(jī)選擇了3個(gè)變量來(lái)測(cè)試每個(gè)節(jié)點(diǎn)或每個(gè)樹(shù)中可能的分割（黃色）。我們還可以看到，運(yùn)行的最大樹(shù)數(shù)為100，如藍(lán)色下劃線(xiàn)所示。

HPFOREST僅使用在任何觀察值下均沒(méi)有缺失記錄的有效變量。但是，我們還可以看到，在研究樣本的213個(gè)國(guó)家中，有213個(gè)被利用。

接下來(lái)，我們可以看到模型生成帶有“基線(xiàn)擬合統(tǒng)計(jì)量”的表。就本研究中的數(shù)據(jù)而言，我們可以看到該模型識(shí)別出38％的誤分類(lèi)，換句話(huà)說(shuō)是62％的準(zhǔn)確分類(lèi)。這表示大部分樣本已在每個(gè)隨機(jī)選擇的樣本中正確分類(lèi)。 

 在下表中分析森林時(shí)，我們可以看到誤分類(lèi)率已經(jīng)達(dá)到了最低點(diǎn)，這表明在OOB樣本中使用該模型進(jìn)行測(cè)試時(shí)，誤分類(lèi)率僅在22％。

最后，我們看到SAS POC HPFOREST為我們提供了“損失減少變量的重要性”表。下表概述了每個(gè)變量如何有助于模型的可預(yù)測(cè)性的重要性等級(jí)。如下圖所示，酒精變量排名最高。

現(xiàn)在，以下內(nèi)容將幫助我們理解如何閱讀表格：

• 規(guī)則數(shù)：告訴我們使用變量的拆分規(guī)則數(shù)

• 每個(gè)數(shù)據(jù)計(jì)算兩次：

• Gini OOB：這是在“ Out of Bag”階段中計(jì)算出的數(shù)據(jù) 

• 擬合統(tǒng)計(jì)告訴我們，OOB數(shù)據(jù)的偏差較小，因此，數(shù)據(jù)通過(guò)OOB Gini度量進(jìn)行排序 

• 就預(yù)測(cè)自殺率高于正常水平而言，這些變量被列為高度重要性（頂部）和最低重要性（底部）。 

• 從下表中我們可以看出，最容易預(yù)測(cè)模型自殺率高于正常模型的變量是酒精消費(fèi)量，就業(yè)率和城市率。 

• 

通過(guò)上面的練習(xí)，我們可以看到隨機(jī)森林是一種數(shù)據(jù)挖掘算法，可以選擇重要的解釋變量，這些變量可以用于確定響應(yīng)變量（目標(biāo)變量）的分類(lèi)結(jié)果還是定量結(jié)果。此外，此練習(xí)還允許我們結(jié)合使用分類(lèi)變量和定量變量?？傊?，這個(gè)森林讓我們知道哪些變量很重要，但彼此之間沒(méi)有關(guān)系。