Najlepszy sposób na zaprezentowanie losowego lasu w publikacji?

Używam algorytmu losowego lasu jako solidnego klasyfikatora dwóch grup w badaniu mikromacierzy z tysiącami funkcji.

• Jaki jest najlepszy sposób przedstawienia losowego lasu, aby było wystarczająco dużo informacji, aby można go było odtworzyć w formie papierowej?
• Czy istnieje metoda kreślenia w R, która faktycznie drukuje drzewo, jeśli istnieje niewielka liczba funkcji?
• Czy szacowana przez OOB stopa błędu jest najlepszą statystyką do cytowania?

Jeśli chodzi o uczynienie go odtwarzalnym, najlepszym sposobem jest zapewnienie powtarzalnych badań (tj. Kodu i danych) wraz z dokumentem. Udostępnij go na swojej stronie internetowej lub stronie hostingowej (np. Github).

Jeśli chodzi o wizualizację, Leo Breiman wykonał kilka interesujących prac w tym zakresie (patrz jego strona główna , w szczególności sekcja grafiki ).

Ale jeśli używasz R, randomForestpakiet ma kilka przydatnych funkcji:

data(mtcars)
mtcars.rf <- randomForest(mpg ~ ., data=mtcars, ntree=1000, keep.forest=FALSE,
                           importance=TRUE)
plot(mtcars.rf, log="y")
varImpPlot(mtcars.rf)

I

set.seed(1)
data(iris)
iris.rf <- randomForest(Species ~ ., iris, proximity=TRUE,
                        keep.forest=FALSE)
MDSplot(iris.rf, iris$Species)

Nie znam prostego sposobu na sporządzenie wykresu drzewa, ale możesz użyć tej getTreefunkcji do odzyskania drzewa i wykreślenia go osobno.

getTree(randomForest(iris[,-5], iris[,5], ntree=10), 3, labelVar=TRUE)

Prezentacja Strobl / Zeileis na „Dlaczego i jak używać zmiennych losowych leśnych środki znaczenie (i jak nie należy)” zawiera przykłady drzew, które muszą być wyprodukowane w ten sposób. Ten post na blogu na temat modeli drzew zawiera kilka ciekawych przykładów wykresów drzewa CART, których można na przykład użyć.

Jak skomentował @chl, pojedyncze drzewo nie ma w tym kontekście szczególnego znaczenia, więc nie używam go do wyjaśnienia, czym jest przypadkowy las, nie zamieściłbym tego w artykule.

1. Jak napisał Shane; sprawiają, że badania są powtarzalne + obejmują losowe nasiona, ponieważ RF jest stochastyczny.
2. Po pierwsze, kreślenie pojedynczych drzew tworzących RF jest nonsensem; jest to klasyfikator zespołowy, ma sens tylko jako całość. Ale nawet kreślenie całego lasu jest nonsensem - to klasyfikator czarnej skrzynki, więc nie ma na celu wyjaśnienia danych jego strukturą, a raczej odtworzenia pierwotnego procesu. Zamiast tego zrób kilka fabuł, które zasugerował Shane.
3. W praktyce OOB jest bardzo dobrym przybliżeniem błędu; nie jest to jednak fakt powszechnie akceptowany, dlatego w celu publikacji lepiej jest również napisać CV, aby je potwierdzić.

Pamiętaj o zastrzeżeniach zawartych w innych odpowiedziach dotyczących tego, że fabuła ma znaczenie. Ale jeśli chcesz fabułę do celów ilustracyjnych / pedagogicznych, przydatny może być następujący fragment R. Nie jest trudno dodać „punkt podziału” do tekstu krawędzi, jeśli jest to potrzebne.

to.dendrogram <- function(dfrep,rownum=1,height.increment=0.1){

  if(dfrep[rownum,'status'] == -1){
    rval <- list()

    attr(rval,"members") <- 1
    attr(rval,"height") <- 0.0
    attr(rval,"label") <- dfrep[rownum,'prediction']
    attr(rval,"leaf") <- TRUE

  }else{##note the change "to.dendrogram" and not "to.dendogram"
    left <- to.dendrogram(dfrep,dfrep[rownum,'left daughter'],height.increment)
    right <- to.dendrogram(dfrep,dfrep[rownum,'right daughter'],height.increment)
    rval <- list(left,right)

    attr(rval,"members") <- attr(left,"members") + attr(right,"members")
    attr(rval,"height") <- max(attr(left,"height"),attr(right,"height")) + height.increment
    attr(rval,"leaf") <- FALSE
    attr(rval,"edgetext") <- dfrep[rownum,'split var']
    #To add Split Point in Dendrogram
    #attr(rval,"edgetext") <- paste(dfrep[rownum,'split var'],"\n<",round(dfrep[rownum,'split point'], digits = 2),"=>", sep = " ")
  }

  class(rval) <- "dendrogram"

  return(rval)
}

mod <- randomForest(Species ~ .,data=iris)
tree <- getTree(mod,1,labelVar=TRUE)

d <- to.dendrogram(tree)
str(d)
plot(d,center=TRUE,leaflab='none',edgePar=list(t.cex=1,p.col=NA,p.lty=0))