r 语言 随机森林超参数调优

在R语言中，随机森林（Random Forest）是一种集成学习算法，它通过构建多个决策树并取其平均结果来进行预测。超参数调优对于随机森林模型来说至关重要，因为它可以影响模型的性能。随机森林的一些重要超参数包括：

1. **`n_estimators`**：决策树的数量，越多的树通常会提供更稳定的估计，但也增加计算时间。
2. **`mtry`** 或者 **`max_features`**：每次分裂时选择的特征数，可以选择sqrt(n_features)（平方根特性数）或n_features/3等策略。
3. **`min_samples_split`** 和 **`min_samples_leaf`**：最小样本分裂和叶子节点的大小，控制了树的复杂度。
4. **`bootstrap`**：是否进行自助采样，影响模型对数据波动的敏感性。

常用的超参数调优方法有网格搜索（Grid Search）、随机搜索（Randomized Search）以及基于封装的包如`caret`、`tidymodels`中的`tune()`函数。例如：

library(caret)
set.seed(123)
control <- trainControl(method = "cv", number = 5) # 分折交叉验证
rf_model <- tuneParams(randomForest, mtry = seq(2, ncol(data), by = 2),
                        min_n_node = seq(5, 20, by = 5), # 自定义范围
                        trControl = control,
                        tuneLength = 50) # 调优次数

best_rf <- train(target ~ ., data = df, method = "randomForest",
                 tuneGrid = rf_model$_bestTune)

# 获取最佳参数
best_rf$best.parameters