一、随机森林所属模块随机森林在SPSSAU中属于【机器学习】模块。二、方法概述随机森林是一类基于多棵决策树综合判断的机器学习方法既可用于分类也可用于回归。它适合处理变量较多、关系较复杂的数据场景在预测、识别分类和评估变量重要性方面都很常用。三、变量设置规则1.总体要求随机森林共需要设置2类变量分别是分析项X定量和因变量Y两类变量都为必填。2.具体设置1分析项X定量● 最少放入1个最多可放入400个变量且为必填。● 它们是进入模型用于学习和预测的输入特征通常要求为定量变量。2因变量Y● 只能放入1个变量且为必填。● 它是模型要预测的目标变量。若Y为类别数据通常对应分类任务若Y为定量数据通常对应回归任务。四、参数设置及解释说明1.训练集比例● 用于设置总样本中有多少比例参与模型训练默认值为0.8。● 训练样本比例越高模型学习通常越充分测试样本会相应减少。一般可先采用默认设置。2.数据归一化● 可选None、norm、mas、mms。● None表示不处理norm表示正态标准化mas表示区间化mms表示归一化。● 当不同变量量纲差异较大时先做数据处理通常有助于提升模型使用体验。3.保存预测值● 勾选后会额外保存预测信息。● 分类任务下通常会保存预测类别和各类别预测概率回归任务下通常会保存预测值。4.保存训练测试标识● 勾选后会生成训练集和测试集标识其中训练集记为1测试集记为2。● 适合后续核对样本划分情况也便于将结果回写到原始数据继续使用。5.交叉验证● 默认不进行也可以选择2折、3折、5折或10折。● 它用于检验模型在训练数据中的稳定性折数越高结果通常更稳但计算时间也会更长。6.节点分裂标准● 可选gini和entropy默认是gini。● 该参数用于决定构建决策树时如何选择分枝标准。两者对结果影响通常不算特别大多数情况下可以先用默认设置。7.最大特征数目限制● 可选auto、sqrt、log2默认是auto。● 它用于控制每棵树在分枝时最多能使用多少特征。设置更严格时模型随机性通常更强设置更宽松时可参与比较的特征会更多。8.节点分列最小样本量● 该参数用于限定一个节点至少包含多少训练样本才允许继续分枝。● 数值越大树通常越保守数值越小树更容易继续细分。9.叶节点最小样本量● 用于限定叶子节点中至少应包含多少样本。● 该值越大模型通常更稳健该值越小模型更容易贴合训练数据。10.树最大深度● 用于限制单棵决策树能够生长到多深。● 深度越大模型表达能力通常越强但也更容易出现过拟合深度较小时模型通常更简洁。11.决策树数量● 用于设置随机森林中包含多少棵决策树。● 适当增加树的数量通常有助于提高稳定性和准确性但计算时间也会增加。12.是否有放回采样● 用于控制构建每棵决策树时抽样是否允许重复。● 勾选后表示有放回采样这是随机森林中较常见的做法。13.袋外数据测试● 用于检验模型在未被抽到的那部分样本上的表现。● 如果开启该设置可额外辅助判断模型稳定性与分类效果。14.任务类型● 可选自动判断、分类任务和回归任务默认是自动判断。● 如果因变量类型非常明确系统通常可以自动识别若希望强制按分类或回归方式运行也可手动指定。五、分析结果表格及其解读SPSSAU完成随机森林分析后会根据任务类型输出不同结果表常见包括随机森林基本信息汇总、随机森林分类基本信息汇总、特征权重值、模型评估结果、训练集模型评估结果、交叉验证模型评估结果、测试集模型评估结果、模型汇总表和数据集情况。1.表1随机森林基本信息汇总或随机森林分类基本信息汇总这张表用于展示参与建模的数据概况。分类任务下会呈现各类别频数与占比回归任务下会呈现有效、缺失和总计情况。● 频数表示各类别或状态对应的样本数量。若某一类别样本明显偏少后续识别结果通常更不稳定。● 百分比表示对应样本在总体中的占比。若类别分布差异很大模型可能更偏向样本量较多的类别。● 有效样本表示真正进入模型的数据量。有效样本越充分结果通常越可靠。● 缺失样本表示未进入模型的数据量。若缺失占比较高需要更谨慎看待结果代表性。2.表2特征权重值该表格用于展示各分析项在模型中的相对重要性包含项和权重值两个核心指标。● 项表示进入模型的特征名称。● 权重值表示变量对模型结果的相对贡献。通常数值越大说明该变量越重要更适合做变量之间的相对比较。3.表3模型评估结果或训练集模型评估结果这部分表格用于判断模型在训练阶段的表现。回归任务下通常包含R方值、MAE、MSE、RMSE、MAD、MAPE、EVS、MSLE等指标分类任务下通常包含精确率、召回率、f1-score、样本数、准确率和平均值等信息。● R方值用于衡量模型解释结果变化的能力通常越接近1越好。● MAE表示平均误差水平越接近0越好越小说明预测偏差越小。● MSE表示误差平方后的平均水平越接近0越好对较大的误差更敏感。● RMSE表示整体误差水平越小越好便于直观理解预测偏差大小。● MAD表示中位数绝对误差对异常值不那么敏感越小越好。● MAPE表示平均百分误差越小越好适合观察相对误差水平。● EVS表示模型对数据波动的解释力度通常越接近1越好。● MSLE表示对数误差水平越小越好可作为辅助参考。● 精确率表示模型判定为某类时有多大概率判对越高越好。● 召回率表示某类别真实样本被识别出来的比例越高越好。● f1-score综合反映精确率与召回率的平衡情况越高越好。● 样本数表示对应类别参与评估的样本量样本量较少时该类指标波动可能更大。● 准确率表示整体分类正确的比例通常越高越好。4.表4交叉验证模型评估结果或测试集模型评估结果交叉验证模型评估结果仅在开启交叉验证时输出用于观察模型在重复划分训练数据后的稳定表现测试集模型评估结果用于判断模型在未参与训练样本上的实际效果。● 如果交叉验证结果与训练集结果接近通常说明模型稳定性较好。● 如果测试集表现明显弱于训练集通常说明模型在新样本上的泛化能力一般后续可考虑调整参数或优化数据。5.表5模型汇总表模型汇总表用于集中展示本次分析使用的参数设置及模型评估效果便于快速回顾建模方案。● 参数名表示本次分析采用的参数项目。● 参数值表示对应参数的具体设置作用是帮助复现实验过程。● 模型评估效果用于概括展示模型在核心指标上的整体表现。分类任务下通常希望准确率、精确率、召回率等指标越高越好回归任务下通常希望误差类指标越低越好。6.表6数据集情况该表格用于展示训练集、测试集、预测集和缺失数据的数量与占比。● 训练集用于模型学习比例过低时模型可能学得不充分。● 测试集用于检验模型效果比例过少时评估稳定性可能不足。● 预测集表示仅用于生成预测结果的数据。● 缺失数据表示未能进入分析的数据量若占比偏高需要关注数据完整性问题。六、分析结果图表及其解读SPSSAU完成随机森林分析后常见会输出特征权重图在分类任务下还会输出测试集结果混淆矩阵。1.图1特征权重图该图表本质上是条形图用于直观展示各特征在模型中的相对重要性。● 条形越长通常说明该特征对模型结果影响越大。● 如果少数变量明显高于其他变量说明模型更依赖这些关键特征。2.图2测试集结果混淆矩阵该图表在分类任务下输出用于查看真实类别与预测类别之间的对应关系是判断分类效果的直观图形。● 如果对角线位置数值更集中、更高通常说明模型分类更准确。● 如果非对角线位置数值较多说明某些类别更容易被混淆。以上就是SPSSAU随机森林的相关内容更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。