這甚至有可能嗎？我有一個包含約1500個條目的訓練數據集。 randomForest創建了它的決策規則，並將它們應用於隨機選擇的（從原始數據集）Out of Bag訓練樣本（自舉10,000次）。我有一個單獨的（未分類的）數據集，我想將這10,000個創建的樹應用於預測這些新條目的分類。是否有一種簡單的方法將底層的林木索引到這個新的未分類數據集？如何將從R包randomForest創建的底層決策規則應用到NEW Out of Bag測試集上？
看看最大的庫恩的caret這是專門支持這個：分類和迴歸培訓根據其標題。
它環繞隨機森林以及許多其他包，並有充足的文件，包括這JSS paper。
而且插入符號，你當然可以只使用predict方法你總是返回從幫助頁面這個例子中，模型表明：
data(iris)
set.seed(111)
ind <- sample(2, nrow(iris), replace = TRUE, prob=c(0.8, 0.2))
iris.rf <- randomForest(Species ~ ., data=iris[ind == 1,])
iris.pred <- predict(iris.rf, iris[ind == 2,])
table(observed = iris[ind==2, "Species"], predicted = iris.pred)
而不是使用ind隨機抽樣的，剛子集數據將自己納入培訓和驗證集。