Pakiet randomForest w R. autorstwa A. Liaw jest portem oryginalnego kodu będącego mieszanką kodu c (przetłumaczonego) pozostałego kodu fortran i kodu opakowania R. Aby zdecydować o ogólnym najlepszym podziale na punkty przerwania i zmienne mtry, kod używa funkcji oceniania podobnej do gini-gain:
GiniGain(N,X)=Gini(N)−|N1||N|Gini(N1)−|N2||N|Gini(N2)
Gdzie jest dana cecha, N jest węzeł, w którym szczelina ma być wykonane, oraz N +1 i N 2 są dwa węzły potomne przez rozszczepienie N . | . | to liczba elementów w węźle.XNN1N2N|.|
I , gdzie K jest liczbą kategorii w węźleGini(N)=1−∑Kk=1p2kK
Ale zastosowana funkcja oceniania nie jest dokładnie taka sama, ale zamiast tego jest równoważną bardziej wydajną obliczeniowo wersją. i | N | są stałe dla wszystkich porównywanych podziałów i dlatego są pomijane.Gini(N)
Pozwala również sprawdzić część, jeśli suma kwadratowej częstości występowania w węźle (1) jest obliczana jako |N2||N|Gini(N2)∝|N2|Gini(N2)=|N2|(1−∑Kk=1p2k)=|N2|∑nclass22,k|N2|2
nclass1,k|N2|
1−
|N1|∑Kk=1p21,k+|N2|∑Kk=1p22,k=|N1|∑Kk=1nclass21,k|N1|2+|N2|∑Kk=1nclass22,k|N2|2
=∑Kk=1nclass22,k1|N1|−1+∑Kk=1nclass22,k1|N1|−2
=nominator1/denominator1+nominator2/denominator2
The implementation also allows for classwise up/down weighting of samples. Also very important when the implementation update this modified gini-gain, moving a single sample from one node to the other is very efficient. The sample can be substracted from nominators/denominators of one node and added to the others.
I wrote a prototype-RF some months ago, ignorantly recomputing from scratch gini-gain for every break-point and that was slower :)
If several splits scores are best, a random winner is picked.
This answer was based on inspecting source file "randomForest.x.x.tar.gz/src/classTree.c" line 209-250