predict函数 R_R包randomForest的随机森林回归模型以及对重要变量的选择

R语言中，使用randomForest包中的randomForest函数可以建立随机森林回归模型。该函数的主要参数有：

- x：自变量矩阵或数据框。
- y：因变量向量。
- ntree：随机森林中树的数量，默认为500。
- mtry：每次分裂时随机选择的变量数量，默认为sqrt(p)。
- importance：是否计算变量的重要性指标，默认为TRUE。

下面是一个示例代码：

library(randomForest)
data(mtcars)
rf_model <- randomForest(mpg ~ ., data = mtcars, ntree = 1000, mtry = 3, importance = TRUE)

在建立好随机森林回归模型之后，我们可以使用importance函数来查看变量的重要性指标：

varImpPlot(rf_model)

该函数会生成一个变量重要性图，可以看到每个变量的重要性得分以及排名。需要注意的是，变量的重要性得分越高，则该变量对模型的贡献越大。

此外，我们还可以使用predict函数对新数据进行预测：

new_data <- data.frame(cyl = 6, disp = 200, hp = 100, drat = 3.9, wt = 3, qsec = 17)
predict(rf_model, newdata = new_data)

这段代码可以对新数据进行预测，输出的结果是对应的mpg预测值。