У меня есть успешная модель randomforest, и я хочу интегрировать ее в другое программное обеспечение, я знаю, что могу использовать некоторые библиотеки (например, fastRF в Java или DecisionForest ALGLIB для других языков), но как я могу использовать «модель», обученную в R? Я должен переобучить его на новый язык?
Другой вид - как-то извлечь его, но я не знаю, как это сделать...
Любая помощь будет оценена
заранее спасибо
Взгляните на пакет pmml, который генерирует PMML для различных моделей, включая RandomForest. Основной пример:
#?randomForest
library(randomForest)
library(pmml)
set.seed(131)
ozone.rf <- randomForest(Ozone ~ ., data=airquality, mtry=3,importance=TRUE, na.action=na.omit)
print(ozone.rf)
ozone.rf.pmml <- pmml(ozone.rf)
Объект randomForest содержит всю информацию о каждом дереве в объекте. Каждое дерево не особенно сложно, хотя и может запутать.
iris.rf <- randomForest(Species ~ ., data=iris, importance=TRUE,
proximity=TRUE)
> names(iris.rf$forest)
[1] "ndbigtree" "nodestatus" "bestvar" "treemap" "nodepred"
[6] "xbestsplit" "pid" "cutoff" "ncat" "maxcat"
[11] "nrnodes" "ntree" "nclass" "xlevels"
Чтобы понять, как использовать лес вне R, вам придется просмотреть исходный код. Загрузите исходный пакет randomForest, распакуйте tar.gz и посмотрите в каталоге src. В rf.c вы увидите функцию classForest (и для регрессии посмотрите на regForest в regrf.c). Посмотрите на функцию R predict.randomForest, чтобы увидеть, как она вызывается. Возможно, вам придется использовать getAnywhere("predict.randomForest"), чтобы увидеть его в R.
Потребуется немало повозиться, чтобы извлечь информацию R и предсказать ее в другом пакете, так что вам придется хорошенько подумать, прежде чем вы действительно сделаете это. Переустановка программного обеспечения, которое вы собираетесь использовать, может оказаться более простой задачей.
