我在R语言中使用party包的cforest函数来计算条件推断树。与随机森林类似，我想获取基于OOB数据的解释方差和变量重要性（我读到随机森林会返回基于OOB数据的解释方差和变量重要性）。为此，我使用了以下代码：

model <- party::cforest(y ~ x1 + x2 + x3 + x4 , data=trainings_set ,  control=cforest_unbiased(ntree=1000, minsplit=25 , minbucket=8 , mtry=4))model.pred <- predict(model, type="response" , OOB=TRUE)R2=1 - sum((trainings_set$y-model.pred)^2)/sum((trainings_set$y-mean(trainings_set$y))^2)varimp_model=party::varimp(model, conditional = TRUE, threshold = 0.2, OOB = TRUE)

我想知道OOB=TRUE命令是否会导致模型预测和变量重要性基于训练集的OOB数据返回？

我之前在不同的标题下发布过这个问题，现在重新发布（稍作修改），希望有人能提供答案？

回答：

cforest函数中的OOB参数用于定义袋外预测的逻辑值。

只有当你在cforest中传递newdata参数时（通常是一个测试数据框架），这个参数才为TRUE。如果newdata参数存在并且你设置了OOB=TRUE，那么你将在这个newdata上获得袋外预测。

希望这能解答你的疑问。