如何在隨機森林中得到正確的類別，預測類別和預測概率？

Question

我使用隨機森林對數據的分類，我無法理解：

1，我們怎樣才能獲得它告訴我們的實際分類中testData（例如，在下面的信息（最好在3列的數據幀）例如Species列），由隨機森林進行的預測以及該預測的概率分數。例如僅僅考慮下面的數據集，並且其中在testData物種（對於隨機森林盲信息）爲雲芝 1例，但它是由分類器錯誤地預測爲錦葵與概率分數的0.67。我想這樣的信息，但不知道怎樣才能獲得此

2 - 我們怎樣才能獲得testData和trainingData混淆矩陣這也給了我們class.error，就像在情況下，當我們打印模型。

data(iris) 
set.seed(111) 
ind <- sample(2, nrow(iris), replace = TRUE, prob=c(0.8, 0.2)) 
trainData <- iris[ind==1,]  
testData <- iris[ind==2,] 
#grow forest 
iris.rf <- randomForest(Species ~ ., data=trainData) 
print(iris.rf) 

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

     OOB estimate of error rate: 3.33% 
Confusion matrix: 
      setosa versicolor virginica class.error 
setosa   45   0   0 0.00000000 
versicolor  0   39   1 0.02500000 
virginica  0   3  32 0.08571429 

**#predict using the training again...** 
iris.pred <- predict(iris.rf, trainData) 
table(observed = trainData$Species, predicted = iris.pred) 

      predicted 
observed  setosa versicolor virginica 
    setosa   45   0   0 
    versicolor  0   40   0 
    virginica  0   0  35 

**#Testing on testData** 
irisPred<-predict(iris.rf, newdata = testData) 
table(irisPred, testData$Species) 

irisPred  setosa versicolor virginica 
setosa   5   0   0 
versicolor  0   8   1 
virginica  0   2  14 

Answer 1

我使用的插入符包與trainControl運行隨機森林：

library(caret) 
library(PerformanceAnalytics) 

model <- train(Species ~ .,trainData, 
      method='rf',TuneLength=3, 
      trControl=trainControl(
      method='cv',number=10, 
      classProbs = TRUE)) 
model$results 

irisPred_species<-predict(iris.rf, newdata = testData) 
irisPred_prob<-predict(iris.rf, newdata = testData, "prob") 

out.table <- data.frame(actual.species = testData$Species, pred.species = irisPred_species, irisPred_prob) 

您可以得到由錯誤率：

iris.rf$err.rate 

而且混淆矩陣：

iris.rf$confusion