随机森林怎么做：SPSSAU软件操作步骤与结果指标解读

一、随机森林所属模块

随机森林在SPSSAU中属于【机器学习】模块。

二、方法概述

随机森林是一类基于多棵决策树综合判断的机器学习方法，既可用于分类，也可用于回归。它适合处理变量较多、关系较复杂的数据场景，在预测、识别分类和评估变量重要性方面都很常用。

三、变量设置规则

1.总体要求

随机森林共需要设置2类变量，分别是分析项（X定量）和因变量Y，两类变量都为必填。

2.具体设置

（1）分析项（X定量）

● 最少放入1个，最多可放入400个变量，且为必填。

● 它们是进入模型用于学习和预测的输入特征，通常要求为定量变量。

（2）因变量Y

● 只能放入1个变量，且为必填。

● 它是模型要预测的目标变量。若Y为类别数据，通常对应分类任务；若Y为定量数据，通常对应回归任务。

四、参数设置及解释说明

1.训练集比例

● 用于设置总样本中有多少比例参与模型训练，默认值为0.8。

● 训练样本比例越高，模型学习通常越充分；测试样本会相应减少。一般可先采用默认设置。

2.数据归一化

● 可选None、norm、mas、mms。

● None表示不处理；norm表示正态标准化；mas表示区间化；mms表示归一化。

● 当不同变量量纲差异较大时，先做数据处理通常有助于提升模型使用体验。

3.保存预测值

● 勾选后会额外保存预测信息。

● 分类任务下通常会保存预测类别和各类别预测概率；回归任务下通常会保存预测值。

4.保存训练测试标识

● 勾选后会生成训练集和测试集标识，其中训练集记为1，测试集记为2。

● 适合后续核对样本划分情况，也便于将结果回写到原始数据继续使用。

5.交叉验证

● 默认不进行，也可以选择2折、3折、5折或10折。

● 它用于检验模型在训练数据中的稳定性，折数越高，结果通常更稳，但计算时间也会更长。

6.节点分裂标准

● 可选gini和entropy，默认是gini。

● 该参数用于决定构建决策树时如何选择分枝标准。两者对结果影响通常不算特别大，多数情况下可以先用默认设置。

7.最大特征数目限制

● 可选auto、sqrt、log2，默认是auto。

● 它用于控制每棵树在分枝时最多能使用多少特征。设置更严格时，模型随机性通常更强；设置更宽松时，可参与比较的特征会更多。

8.节点分列最小样本量

● 该参数用于限定一个节点至少包含多少训练样本，才允许继续分枝。

● 数值越大，树通常越保守；数值越小，树更容易继续细分。

9.叶节点最小样本量

● 用于限定叶子节点中至少应包含多少样本。

● 该值越大，模型通常更稳健；该值越小，模型更容易贴合训练数据。

10.树最大深度

● 用于限制单棵决策树能够生长到多深。

● 深度越大，模型表达能力通常越强，但也更容易出现过拟合；深度较小时，模型通常更简洁。

11.决策树数量

● 用于设置随机森林中包含多少棵决策树。

● 适当增加树的数量，通常有助于提高稳定性和准确性，但计算时间也会增加。

12.是否有放回采样

● 用于控制构建每棵决策树时，抽样是否允许重复。

● 勾选后表示有放回采样，这是随机森林中较常见的做法。

13.袋外数据测试

● 用于检验模型在未被抽到的那部分样本上的表现。

● 如果开启该设置，可额外辅助判断模型稳定性与分类效果。

14.任务类型

● 可选自动判断、分类任务和回归任务，默认是自动判断。

● 如果因变量类型非常明确，系统通常可以自动识别；若希望强制按分类或回归方式运行，也可手动指定。

五、分析结果表格及其解读

SPSSAU完成随机森林分析后，会根据任务类型输出不同结果表，常见包括随机森林基本信息汇总、随机森林分类基本信息汇总、特征权重值、模型评估结果、训练集模型评估结果、交叉验证模型评估结果、测试集模型评估结果、模型汇总表和数据集情况。

1.表1：随机森林基本信息汇总或随机森林分类基本信息汇总

这张表用于展示参与建模的数据概况。分类任务下会呈现各类别频数与占比；回归任务下会呈现有效、缺失和总计情况。

● 频数：表示各类别或状态对应的样本数量。若某一类别样本明显偏少，后续识别结果通常更不稳定。

● 百分比：表示对应样本在总体中的占比。若类别分布差异很大，模型可能更偏向样本量较多的类别。

● 有效样本：表示真正进入模型的数据量。有效样本越充分，结果通常越可靠。

● 缺失样本：表示未进入模型的数据量。若缺失占比较高，需要更谨慎看待结果代表性。

2.表2：特征权重值

该表格用于展示各分析项在模型中的相对重要性，包含项和权重值两个核心指标。

● 项：表示进入模型的特征名称。

● 权重值：表示变量对模型结果的相对贡献。通常数值越大，说明该变量越重要；更适合做变量之间的相对比较。

3.表3：模型评估结果或训练集模型评估结果

这部分表格用于判断模型在训练阶段的表现。回归任务下通常包含R方值、MAE、MSE、RMSE、MAD、MAPE、EVS、MSLE等指标；分类任务下通常包含精确率、召回率、f1-score、样本数、准确率和平均值等信息。

● R方值：用于衡量模型解释结果变化的能力，通常越接近1越好。

● MAE：表示平均误差水平，越接近0越好，越小说明预测偏差越小。

● MSE：表示误差平方后的平均水平，越接近0越好，对较大的误差更敏感。

● RMSE：表示整体误差水平，越小越好，便于直观理解预测偏差大小。

● MAD：表示中位数绝对误差，对异常值不那么敏感，越小越好。

● MAPE：表示平均百分误差，越小越好，适合观察相对误差水平。

● EVS：表示模型对数据波动的解释力度，通常越接近1越好。

● MSLE：表示对数误差水平，越小越好，可作为辅助参考。

● 精确率：表示模型判定为某类时有多大概率判对，越高越好。

● 召回率：表示某类别真实样本被识别出来的比例，越高越好。

● f1-score：综合反映精确率与召回率的平衡情况，越高越好。

● 样本数：表示对应类别参与评估的样本量，样本量较少时，该类指标波动可能更大。

● 准确率：表示整体分类正确的比例，通常越高越好。

4.表4：交叉验证模型评估结果或测试集模型评估结果

交叉验证模型评估结果仅在开启交叉验证时输出，用于观察模型在重复划分训练数据后的稳定表现；测试集模型评估结果用于判断模型在未参与训练样本上的实际效果。

● 如果交叉验证结果与训练集结果接近，通常说明模型稳定性较好。

● 如果测试集表现明显弱于训练集，通常说明模型在新样本上的泛化能力一般，后续可考虑调整参数或优化数据。

5.表5：模型汇总表

模型汇总表用于集中展示本次分析使用的参数设置及模型评估效果，便于快速回顾建模方案。

● 参数名：表示本次分析采用的参数项目。

● 参数值：表示对应参数的具体设置，作用是帮助复现实验过程。

● 模型评估效果：用于概括展示模型在核心指标上的整体表现。分类任务下通常希望准确率、精确率、召回率等指标越高越好；回归任务下通常希望误差类指标越低越好。

6.表6：数据集情况

该表格用于展示训练集、测试集、预测集和缺失数据的数量与占比。

● 训练集：用于模型学习，比例过低时模型可能学得不充分。

● 测试集：用于检验模型效果，比例过少时评估稳定性可能不足。

● 预测集：表示仅用于生成预测结果的数据。

● 缺失数据：表示未能进入分析的数据量，若占比偏高，需要关注数据完整性问题。

六、分析结果图表及其解读

SPSSAU完成随机森林分析后，常见会输出特征权重图；在分类任务下，还会输出测试集结果混淆矩阵。

1.图1：特征权重图

该图表本质上是条形图，用于直观展示各特征在模型中的相对重要性。

● 条形越长，通常说明该特征对模型结果影响越大。

● 如果少数变量明显高于其他变量，说明模型更依赖这些关键特征。

2.图2：测试集结果混淆矩阵

该图表在分类任务下输出，用于查看真实类别与预测类别之间的对应关系，是判断分类效果的直观图形。

● 如果对角线位置数值更集中、更高，通常说明模型分类更准确。

● 如果非对角线位置数值较多，说明某些类别更容易被混淆。

以上就是SPSSAU随机森林的相关内容，更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。