Schlechte Vorhersagen von Ranger im Vergleich zu RandomForest

Question

Ich probiere das ranger R-Paket, um eine Menge von randomForest Berechnungen zu beschleunigen. Ich untersuchte die Vorhersagen, die ich davon zurückbekam, und bemerkte, dass etwas Komisches darin lag, dass die gemachten Voraussagen völlig fehlten.

Unten ist ein reproduzierbares Beispiel, das randomForest und ranger vergleicht.

data(iris) 
library(randomForest) 


iris_spec <- as.factor(iris$Species) 
iris_dat <- as.matrix(iris[, !(names(iris) %in% "Species")]) 

set.seed(1234) 

test_index <- sample(nrow(iris), 10) 
train_index <- seq(1, nrow(iris))[-test_index] 


iris_train <- randomForest(x = iris_dat[train_index, ], y = iris_spec[train_index], keep.forest = TRUE) 
iris_pred <- predict(iris_train, iris_dat[test_index, ]) 

iris_train$confusion 


##   setosa versicolor virginica class.error 
## setosa   47   0   0 0.00000000 
## versicolor  0   42   3 0.06666667 
## virginica  0   4  44 0.08333333 


cbind(as.character(iris_pred), as.character(iris_spec[test_index])) 
##  [,1]   [,2]   
## [1,] "setosa"  "setosa"  
## [2,] "versicolor" "versicolor" 
## [3,] "versicolor" "versicolor" 
## [4,] "versicolor" "versicolor" 
## [5,] "virginica" "virginica" 
## [6,] "virginica" "virginica" 
## [7,] "setosa"  "setosa"  
## [8,] "setosa"  "setosa"  
## [9,] "versicolor" "versicolor" 
## [10,] "versicolor" "versicolor" 


library(ranger) 


iris_train2 <- ranger(data = iris[train_index, ], dependent.variable.name = "Species", write.forest = TRUE) 
iris_pred2 <- predict(iris_train2, iris[test_index, ]) 

iris_train2$classification.table 


##    true 
## predicted setosa versicolor virginica 
## setosa   47   0   0 
## versicolor  0   41   3 
## virginica  0   4  45 


cbind(as.character(iris_pred2$predictions), as.character(iris_spec[test_index])) 

##  [,1]   [,2]   
## [1,] "versicolor" "setosa"  
## [2,] "virginica" "versicolor" 
## [3,] "virginica" "versicolor" 
## [4,] "virginica" "versicolor" 
## [5,] "virginica" "virginica" 
## [6,] "virginica" "virginica" 
## [7,] "versicolor" "setosa"  
## [8,] "versicolor" "setosa"  
## [9,] "virginica" "versicolor" 
## [10,] "virginica" "versicolor" 


sessionInfo() 

## R version 3.2.2 (2015-08-14) 
## Platform: x86_64-pc-linux-gnu (64-bit) 
## Running under: Fedora 22 (Twenty Two) 
## 
## locale: 
## [1] LC_CTYPE=en_US.UTF-8  LC_NUMERIC=C    
## [3] LC_TIME=en_US.UTF-8  LC_COLLATE=en_US.UTF-8  
## [5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 
## [7] LC_PAPER=en_US.UTF-8  LC_NAME=C     
## [9] LC_ADDRESS=C    LC_TELEPHONE=C    
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C  
## 
## attached base packages: 
## [1] stats  graphics grDevices utils  datasets methods base  
## 
## other attached packages: 
## [1] ranger_0.2.7  randomForest_4.6-12 
## 
## loaded via a namespace (and not attached): 
## [1] magrittr_1.5 formatR_1.2.1 tools_3.2.2 Rcpp_0.12.1 stringi_0.5-5 
## [6] knitr_1.11 stringr_1.0.0 evaluate_0.8 

Wie Sie sehen können, die allgemeine Verwirrung Tabellen aussehen vergleichbar, aber die Prognosen sind völlig aus für ranger. Ist jemand anderen schon einmal begegnet?

Answer 1

Dies war ein Fehler. Es ist in der GitHub-Version behoben (siehe https://github.com/mnwright/ranger/issues/6), aber die Änderungen sind noch nicht auf CRAN. Ich werde bald eine neue Version bei CRAN einreichen. In der Zwischenzeit, installieren Sie bitte die GitHub Version:

devtools::install_github("mnwright/ranger/ranger-r-package/ranger") 

Update: Fix ist auf CRAN seit dem 10. November