建立隨機森林模型

機器學習演算法的一個例子是 Random Forest 演算法（Breiman，L。（2001）.Random Forests。機器學習 45(5) ，第 5-32 頁）。根據 Breiman 在 randomForest 包中的原始 Fortran 實現，該演算法在 R 中實現。

通過將類變數準備為 factor，可以在 R 中建立隨機森林分類器物件，這在 iris 資料集中已經很明顯。因此我們可以通過以下方式輕鬆建立隨機森林

library(randomForest)

rf <- randomForest(x = iris[, 1:4], 
                   y = iris$Species, 
                   ntree = 500, 
                   do.trace = 100)

rf

# Call:
#   randomForest(x = iris[, 1:4], y = iris$Species, ntree = 500,      do.trace = 100) 
# Type of random forest: classification
# Number of trees: 500
# No. of variables tried at each split: 2
# 
# OOB estimate of  error rate: 4%
# Confusion matrix:
#   setosa versicolor virginica class.error
# setosa         50          0         0        0.00
# versicolor      0         47         3        0.06
# virginica       0          3        47        0.06