R 随机森林

randomForest(formula, data)

# 导入 ggplot2, cowplot, and randomForest 库 
library(ggplot2)
library(cowplot)
library(randomForest)

#Fetching heart-disease dataset  
url<-"http://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.cleveland.data"  
data <- read.csv(url,header=FALSE)  

# 头部打印六行数据。
head(data)

colnames(data) <-c("age","sex","cp","trestbps","chol","fbs","restecg","thalach","exang","oldpeak","slope","ca","thal","hd")  
head(data)  

str(data)

# 将 ? 赋值为NA  
data[data=="?"] <- NA  
  
# 将性别中的 0 转换为 F，将 1 转换为 M
data[data$sex==0,]$sex <-"F"  
data[data$sex==1,]$sex <-"M"  
  
# 将列 tn 转换为因子
data$sex<- as.factor(data$sex)  
data$cp<- as.factor(data$cp)  
data$fbs<- as.factor(data$fbs)  
data$restecg<- as.factor(data$restecg)  
data$exang<- as.factor(data$exang)  
data$slope<- as.factor(data$slope)  
  
# ca 和 thal 列包含？ 而不是 NA。 R 将其视为一列字符串，我们通过以下方式更正此假设telling R that is a column of integers.   
  
data$ca<- as.integer(data$ca)  
data$ca<- as.factor(data$ca)  
data$thal<- as.integer(data$thal)  
data$thal<- as.factor(data$thal)  
  
# 其中 0 代表健康，1 代表不健康。
data$hd<- ifelse(test=data$hd==0,yes="healthy",no="Unhealthy")  
data$hd<- as.factor(data$hd)  
  
# 检查数据结构
str(data)  

set.seed(42) 

data.imputed<- rfImpute(hd~.,datadata=data,iter=6)  

Model<-randomForest(hd~.,datadata=data.imputed,ntree=1000,proximity=TRUE)  
Model  

oob_error_data<- data.frame(Trees=rep(1:nrow(Model$err.rate),times=3),Type=rep(c("OOB","Healthy","Unhealthy"),each=nrow(Model$err.rate)),Error=c(Model$err.rate[,"OOB"],Model$err.rate[,"healthy"],Model$err.rate[,"Unhealthy"]))  

ggplot(data=oob_error_data,aes(x=Trees,y=Error))+geom_line(aes(color=Type))

Model<-randomForest(hd~.,datadata=data.imputed,ntree=1000,proximity=TRUE)  
Model  

oob_error_data<- data.frame(Trees=rep(1:nrow(Model$err.rate),times=3),Type=rep(c("OOB","Healthy","Unhealthy"),each=nrow(Model$err.rate)),Error=c(Model$err.rate[,"OOB"],Model$err.rate[,"healthy"],Model$err.rate[,"Unhealthy"]))  
ggplot(data=oob_error_data,aes(x=Trees,y=Error))+geom_line(aes(color=Type))  

# 创建一个可以容纳十个值的向量。
oob_values<- vector(length=10)  
  
# 在每一步测试不同数量的变量。
for(i in 1:10){  
  #构建一个随机森林，用于确定每一步要尝试的变量数量。
  temp_model<- randomForest(hd~.,datadata=data.imputed,mtry=i,ntree=1000)  
  
  #存储OOB错误率。
  oob_values[i] <- temp_model$err.rate[nrow(temp_model$err.rate),1]  
}  
oob_values  

# 借助 dist() 函数创建距离矩阵。 
distance_matrix<- dist(1-Model$proximity)  
  
# 在距离矩阵上运行 cmdscale()。
mds_stuff<- cmdscale(distance_matrix,eig=TRUE,x.ret=TRUE)  
  
# 计算 X 轴和 Y 轴在距离矩阵中的变化百分比。  
mds_var_per<- round(mds_stuff$eig/sum(mds_stuff$eig)*100,1)  
  
# 为 ggplot() 函数格式化数据
mds_values<- mds_stuff$points  
mds_data<- data.frame(Sample=rownames(mds_values),X=mds_values[,1],Y=mds_values[,2],Status=data.imputed$hd)  
  
# 使用 ggplot() 函数绘制图形。
ggplot(data=mds_data,aes(x=X,y=Y,label=Sample))+geom_text(aes(color=Status))+theme_bw()+xlab(paste("MDS1-",mds_var_per[1],"%",sep=""))+ylab(paste("MDS2-",mds_var_per[2],"%",sep=""))+ggtitle("MDS plot using(1-Random Forest Proximities)")