1
Q
隨機森林中的R
A
回答
5
你不能子集這個對象,所以從某種意義上說,x[[9]]
就是沒有什麼,它是不可訪問的。
x
是S4類"RandomForest-class"
的一個對象。該課程記錄在幫助頁面?'RandomForest-class'
上。這個對象的插槽在那裏被命名和描述。您也可以通過slotNames()
library("party")
foo <- cforest(ME ~ ., data = mammoexp, control = cforest_unbiased(ntree = 50))
> slotNames(foo)
[1] "ensemble" "where" "weights"
[4] "initweights" "data" "responses"
[7] "cond_distr_response" "predict_response" "prediction_weights"
[10] "get_where" "update"
得到插槽名稱如果x[[9]]
你的意思是第九插槽,然後就是predict_weights
和?'RandomForest-class'
告訴我們,這是
‘prediction_weights’: a function for extracting weights from
terminal nodes.
相關問題
- 1. 隨機森林,使用R
- 2. R中的隨機森林包
- 3. R中的隨機森林 - 很多類
- 4. R中的隨機森林算法
- 5. python中的隨機森林
- 6. ROC隨機森林
- 7. R-隨機森林 - 重要性/ varImPlot
- 8. R隨機森林:data(x)有0行
- 9. [R隨機森林崩潰與oob.prox = FALSE
- 10. 靈敏度R隨機森林
- 11. R文本挖掘和隨機森林
- 12. R隨機森林處理Posixct值
- 13. 在隨機觀察的隨機森林R包
- 14. Spark隨機森林錯誤
- 15. P值爲隨機森林
- 16. 隨機森林分析
- 17. 隨機森林分類器
- 18. OpenCV - 隨機森林示例
- 19. 如何從h2o隨機森林對象中獲取隨機森林閾值
- 20. R:結合森林時隨機森林的錯誤使用插入符號
- 21. 隨機森林中的子集
- 22. scikit-learn中的隨機森林解釋
- 23. Python中的隨機森林實現
- 24. 隨機森林中的套袋和max_feature
- 25. 隨機森林中的ValueError(Python)
- 26. 隨機森林中的樹細節
- 27. ScikitLearn中的Undersampling vs class_weight隨機森林
- 28. 如何在R中的隨機森林中確定節點數
- 29. 「決策森林」和「隨機森林」的簡潔區分
- 30. R中隨機森林分類器的元素