In che modo il randomForest
pacchetto stima le probabilità della classe quando uso predict(model, data, type = "prob")
?
Stavo usando ranger
per addestrare foreste casuali usando l' probability = T
argomento per prevedere le probabilità. ranger
dice nella documentazione che:
Coltiva una foresta di probabilità come in Malley et al. (2012).
Ho simulato alcuni dati e provato entrambi i pacchetti e ottenuto risultati molto diversi (vedi codice sotto)
Quindi so che utilizza una tecnica diversa (quindi ranger) per stimare le probabilità. Ma quale?
simulate_data <- function(n){
X <- data.frame(matrix(runif(n*10), ncol = 10))
Y <- data.frame(Y = rbinom(n, size = 1, prob = apply(X, 1, sum) %>%
pnorm(mean = 5)
) %>%
as.factor()
)
dplyr::bind_cols(X, Y)
}
treino <- simulate_data(10000)
teste <- simulate_data(10000)
library(ranger)
modelo_ranger <- ranger(Y ~., data = treino,
num.trees = 100,
mtry = floor(sqrt(10)),
write.forest = T,
min.node.size = 100,
probability = T
)
modelo_randomForest <- randomForest(Y ~., data = treino,
ntree = 100,
mtry = floor(sqrt(10)),
nodesize = 100
)
pred_ranger <- predict(modelo_ranger, teste)$predictions[,1]
pred_randomForest <- predict(modelo_randomForest, teste, type = "prob")[,2]
prob_real <- apply(teste[,1:10], 1, sum) %>% pnorm(mean = 5)
data.frame(prob_real, pred_ranger, pred_randomForest) %>%
tidyr::gather(pacote, prob, -prob_real) %>%
ggplot(aes(x = prob, y = prob_real)) + geom_point(size = 0.1) + facet_wrap(~pacote)
prob_real
?