gcForest

这也是一种基于决策树的方法，这是一种深度树的集成方法（deep forest ensemble method ）

如何使用

想要在R里面使用，需要在计算机上安装一下设备：

• python 3x
• Numpy
• Scikit-learn

之后，安装R包

install.packages('gcForest')

使用fcForest

• fit(X,y) 在输入数据X和相关目标y上训练gcForest;
• predict(X) 预测未知样本X的类别;
• predict_proba(X) 预测未知样本X的类概率;
• mg_scanning(X, y=None) 对输入数据执行多粒度扫描;
• window_slicing_pred_prob(X, window, shape_1X, y=None)对输入数据执行窗口切片并通过随机森林发送它们。如果提供目标值'y'，则使用切片数据训练随机森林;
• cascade_forest(X, y=None) 执行（或训练如果'y'不是None）级联森林估计;
• gcdata(x) 将R数据结构转换为Python数据结构;
• model_save(model,path) 将经过训练的模型保存在磁盘中
• model_load(path) 将训练模型从磁盘加载到R环境;

例子

library(gcForest)
sk <-  reticulate::import('sklearn')
 


train_test_split <- sk$model_selection$train_test_split

data <- sk$datasets$load_iris

iris <- data()


X <-  iris$data
y <-  iris$target
data_split <- train_test_split(X,y,test_size=0.33)


X_tr <- data_split[[1]]
X_te <- data_split[[2]]
y_tr <- data_split[[3]]
y_te <- data_split[[4]]


gcforest_m <- gcforest(shape_1X = 4L,window = 2L,tolerance = 0.0)

gcf_model <- gcforest_m$fit(X_tr,y_tr)