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. R中的隨機森林 - 很多類
- 2. R中的隨機森林算法
- 3. python中的隨機森林
- 4. 靈敏度R隨機森林
- 5. R文本挖掘和隨機森林
- 6. R隨機森林:data(x)有0行
- 7. [R隨機森林崩潰與oob.prox = FALSE
- 8. 在隨機觀察的隨機森林R包
- 9. P值爲隨機森林
- 10. 隨機森林分析
- 11. OpenCV - 隨機森林示例
- 12. 加權隨機森林
- 13. 如何在R中的隨機森林中確定節點數
- 14. 隨機森林中的子集
- 15. 隨機森林中的ValueError(Python)
- 16. 隨機森林中的套袋和max_feature
- 17. scikit-learn中的隨機森林解釋
- 18. ScikitLearn中的Undersampling vs class_weight隨機森林
- 19. Python中的隨機森林實現
- 20. 隨機森林中的樹細節
- 21. 閱讀表和R中的隨機森林
- 22. corr.bias參數在R中的隨機森林迴歸模型
- 23. 並行隨機森林中的R利用CARET包
- 24. R中的隨機森林混亂矩陣Caret
- 25. 在循環中尋找最好的隨機森林參數r
- 26. R - 組合列表中包含的多個隨機森林
- 27. 隨機森林中的R線性迴歸尾巴mtry
- 28. 如何在R中執行隨機森林/交叉驗證
- 29. 具有NaN值的隨機森林
- 30. 隨機森林的高OOB錯誤率