Hola, ¿qué tal?
Si no entiendo mal, lo que tendrás que hacer es crear una función algo así como
funcion.objetivo <- function( x ){
new.data = data.frame( a = x[1], b = x[2], etc.)
predict( mi.arbol, new.data )
}
y optimizar la función "funcion.objetivo". Obviamente, new.data tiene
que tener la misma estructura que las filas de tu conjunto de
entrenamiento.
Dependiendo de tu caso concreto puede haber atajos para definir la
función objetivo tecleando menos.
Un saludo,
Carlos J. Gil Bellosta
http://www.datanalytics.com
El día 14 de junio de 2010 18:32, Adriana Villa Murillo
<advilmu en doctor.upv.es> escribió:> Hola
> Estoy trabajando actualemnte con el package Random Forest mediante el cual
logre
> crear una funcion objetivo en mi analisis. Dicha funcion objetivo consta de
una
> lista de 8 factores con una respuesta en 3 repeticiones, es decir 90 casos
en
> total. Asi, el random Forest establecido quedo de la forma:
> Forest1=randomForest(y1~A+B+C+D+E+F+G+H, data=trainingN2, y=trainingN2$y1,
> xtest=testN2[,-9], ytest=testN2$y1, mtry=4, replace=T, importance=T,
> ntree=1000,
> keep.forest=T)
>
> Ahora deseo conseguir la respuesta optima y1 mediante algoritmos geneticos,
para
> lo cual intento trabajar con el package genalg. mi problema surgue al
definir
> la funcion de evaluacion, pues la misma la pense hacer mediante la funcion
> predict(Forest, ) pero el argumento aqui para la prediccion son filas,
> mientras que en genelag trabaja con la forma strinMin()=c(), es decir
vectores
> para cada gen y en mi funcion objetivo esos vectores son filas.
>
> Sabeis como puedo expresar la funcion de evaluacion para que sea compatible
con
> Random Forest??
>
> Gracias
> Adri
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>