我试图在使用Caret的Random Forest算法中显式地传入树的数量和mtry参数:

library(caret)library(randomForest)repGrid<-expand.grid(.mtry=c(4),.ntree=c(350))controlRep <- trainControl(method="cv",number = 5)rfClassifierRep <- train(label~ .,                      data=overallDataset,                      method="rf",                      metric="Accuracy",                      trControl=controlRep,                      tuneGrid = repGrid,)

我得到了这个错误:

Error: The tuning parameter grid should have columns mtry

我首先尝试了更合理的做法:

rfClassifierRep <- train(label~ .,                      data=overallDataset,                      method="rf",                      metric="Accuracy",                      trControl=controlRep,                      ntree=350,                      mtry=4,                      tuneGrid = repGrid)

但这导致了一个错误，指出我有太多的超参数。这就是为什么我尝试创建一个1×1的网格。

回答：

ntree不能作为Random Forest的tuneGrid的一部分，只有mtry可以（参见每个模型的调参参数详细目录这里）；你只能通过train传入它。反过来，既然你调整了mtry，后者就不能是train的一部分。

总的来说，这里正确的组合是:

repGrid <- expand.grid(.mtry=c(4))  # no ntreerfClassifierRep <- train(label~ .,                      data=overallDataset,                      method="rf",                      metric="Accuracy",                      trControl=controlRep,                      ntree=350,                       # no mtry                      tuneGrid = repGrid)