library(randomForest) data(iris) set.seed(100) ind<-sample(2,nrow(iris),replace=TRUE,prob=c(0.7,0.3))#对数据分成两部分,70%训练数据,30%检测数据/ traindata<-iris[ind==1,] testdata<- iris[ind==2,] iris.rf=randomForest(Species~.,iris[ind==1,],ntree=50,nPerm=10,mtry=3,proximity=TRUE,importance=TRUE) print(iris.rf) iris.pred=predict( iris.rf,iris[ind==2,]) table(observed=iris[ind==2,"Species"],predicted=iris.pred)
售后响应及时
7×24小时客服热线数据备份
更安全、更高效、更稳定价格公道精准
项目经理精准报价不弄虚作假合作无风险
重合同讲信誉,无效全额退款