如何将多组随机森林回归的R²值导出至CSV文件？

要实现收集不同后缀预测变量对应的RF模型R²并导出为r2.csv，只需要在你的循环训练逻辑中添加结果收集和最终导出的步骤，具体操作如下：

步骤1：初始化结果存储容器 #

先创建一个空的数据框，用来存放每个后缀编号（std）和对应的R²值（r2）：

# 初始化空数据框，指定列类型避免自动转换问题
results_df <- data.frame(std = character(), r2 = numeric(), stringsAsFactors = FALSE)

步骤2：在循环中计算并存储R² #

在你的现有循环里，每训练完一个RF模型后，计算其R²并追加到结果数据框中。这里提供两种计算R²的方式，根据你的需求选择：

示例完整循环代码

假设你的后缀列表是c("030", "040", "050")，修改后的完整逻辑如下：

# 你的后缀编号列表，替换成实际的编号集合
suffix_list <- c("030", "040", "050")

for (suffix in suffix_list) {
  # 1. 筛选当前后缀对应的预测变量
  # 注意：正则表达式要匹配你的变量名规则，比如变量是"temp030"就用paste0(suffix, "$")
  pred_cols <- grep(paste0("_", suffix, "$"), colnames(your_data), value = TRUE)
  
  # 2. 构建训练数据集（包含响应变量ntl和当前预测变量）
  train_data <- your_data[, c("ntl", pred_cols)]
  
  # 3. 训练RF回归模型（参数可根据你的需求调整）
  rf_model <- randomForest(ntl ~ ., data = train_data, ntree = 500, mtry = sqrt(length(pred_cols)))
  
  # 4. 计算R²
  # 方式A：直接调用RF模型返回的最后一棵树的R²值
  current_r2 <- rf_model$rsq[length(rf_model$rsq)]
  # 方式B：手动计算（如果需要用测试集验证，替换train_data为test_data即可）
  # pred_vals <- predict(rf_model, train_data)
  # current_r2 <- 1 - sum((train_data$ntl - pred_vals)^2) / sum((train_data$ntl - mean(train_data$ntl))^2)
  
  # 5. 将当前结果追加到结果数据框
  results_df <- rbind(results_df, data.frame(std = suffix, r2 = current_r2))
}

步骤3：导出为r2.csv #

循环结束后，将结果数据框写入CSV文件：

# 导出时去掉行号，符合常规CSV格式
write.csv(results_df, "r2.csv", row.names = FALSE)

注意事项 #

• 变量匹配的正则表达式要根据你的实际变量名调整：如果变量名是var030而非var_030，把paste0("_", suffix, "$")改成paste0(suffix, "$")即可。
• 如果需要用测试集的R²评估模型，提前划分训练/测试集，在计算时用测试集的真实值和预测值计算R²，更能反映模型泛化能力。
• 若后缀数量较多，推荐使用dplyr::bind_rows()代替rbind()，效率更高。

内容的提问来源于stack exchange，提问作者Nikos