在出版物中呈现随机森林的最佳方法？

我正在使用随机森林算法作为具有1000多个特征的微阵列研究中两组的鲁棒分类器。

• 呈现随机森林的最佳方法是什么，以便有足够的信息使其在纸上可重现？
• 如果要素数量少，R中是否有绘制方法实际绘制树？
• OOB错误率估计是否是引用的最佳统计数据？

关于使其具有可复制性，最好的方法是与论文一起提供可复制的研究（即代码和数据）。使它在您的网站或托管网站（例如github）上可用。

关于可视化，Leo Breiman为此做了一些有趣的工作（请参阅他的主页，特别是图形部分）。

但是，如果您使用的是R，则该randomForest软件包具有一些有用的功能：

data(mtcars)
mtcars.rf <- randomForest(mpg ~ ., data=mtcars, ntree=1000, keep.forest=FALSE,
                           importance=TRUE)
plot(mtcars.rf, log="y")
varImpPlot(mtcars.rf)

和

set.seed(1)
data(iris)
iris.rf <- randomForest(Species ~ ., iris, proximity=TRUE,
                        keep.forest=FALSE)
MDSplot(iris.rf, iris$Species)

我不知道实际绘制树的简单方法，但是您可以使用该getTree函数检索树并将其单独绘制。

getTree(randomForest(iris[,-5], iris[,5], ntree=10), 3, labelVar=TRUE)

在上施特罗布尔/ Zeileis呈现“为什么以及如何使用随机森林变量重要性措施（以及如何你不应该）”有哪些必须以这种方式产生的树木的例子。这篇关于树模型的博客文章提供了一些不错的CART树图示例，您可以使用这些示例。

正如@chl所评论的，在这种情况下，单棵树并不是特别有意义，因此，由于没有使用它来解释什么是随机森林，因此我不会在论文中提及。

1. 如谢恩所写；使其可重现研究+包括随机种子，因为RF是随机的。
2. 首先，绘制构成RF的单棵树是胡说八道；这是一个整体分类器，仅在整体上有意义。但是，即使绘制整个森林也是胡说八道-它是一个黑盒分类器，因此，它并不是要用其结构解释数据，而是要复制原始过程。相反，请做出Shane建议的一些图。
3. 实际上，OOB是一个非常好的误差近似值。但这并不是一个广为接受的事实，因此，对于出版物来说，最好还制作一份简历以确认这一事实。

请记住，关于该情节的其他答案中的警告必定是有意义的。但是，如果您希望出于说明/教学目的使用图表，则以下R片段可能会有用。如果需要，可以在边缘文本上添加“分割点”。

to.dendrogram <- function(dfrep,rownum=1,height.increment=0.1){

  if(dfrep[rownum,'status'] == -1){
    rval <- list()

    attr(rval,"members") <- 1
    attr(rval,"height") <- 0.0
    attr(rval,"label") <- dfrep[rownum,'prediction']
    attr(rval,"leaf") <- TRUE

  }else{##note the change "to.dendrogram" and not "to.dendogram"
    left <- to.dendrogram(dfrep,dfrep[rownum,'left daughter'],height.increment)
    right <- to.dendrogram(dfrep,dfrep[rownum,'right daughter'],height.increment)
    rval <- list(left,right)

    attr(rval,"members") <- attr(left,"members") + attr(right,"members")
    attr(rval,"height") <- max(attr(left,"height"),attr(right,"height")) + height.increment
    attr(rval,"leaf") <- FALSE
    attr(rval,"edgetext") <- dfrep[rownum,'split var']
    #To add Split Point in Dendrogram
    #attr(rval,"edgetext") <- paste(dfrep[rownum,'split var'],"\n<",round(dfrep[rownum,'split point'], digits = 2),"=>", sep = " ")
  }

  class(rval) <- "dendrogram"

  return(rval)
}

mod <- randomForest(Species ~ .,data=iris)
tree <- getTree(mod,1,labelVar=TRUE)

d <- to.dendrogram(tree)
str(d)
plot(d,center=TRUE,leaflab='none',edgePar=list(t.cex=1,p.col=NA,p.lty=0))