在R的Tidymodels中提取交叉验证各折的OOB误差

你的思路方向是对的，只需从提取的ranger引擎对象中进一步取出OOB误差值即可。ranger拟合的随机森林模型里，分类任务的OOB误差存储在$prediction.error属性中，你可以通过以下两种方式获取：

方法一：拟合时直接提取OOB误差 #

修改control_resamples中的extract函数，直接从模型引擎中取出OOB误差并整理成表格格式，方便后续查看：

rf_fit_rs <- 
  rf_wf %>% 
  fit_resamples(
    folds, 
    control = control_resamples(
      verbose=TRUE, 
      save_pred = TRUE, 
      extract=function (x) {
        mod <- extract_fit_engine(x)
        # 分类任务下，prediction.error就是OOB误分率
        tibble(oob_error = mod$prediction.error)
      }
    )
  )

# 查看每个折的OOB误差
rf_fit_rs$extracts

方法二：从已拟合结果中事后提取 #

如果已经运行了你原本的代码，也可以用purrr包从保存的模型引擎中提取OOB误差：

library(purrr)
library(tibble)

# 提取每个折的OOB误差值
oob_errors <- map_dbl(rf_fit_rs$extracts, ~ .x[[1]]$prediction.error)

# 整理成可读性更好的表格
oob_results <- tibble(
  折数 = paste0("第", 1:length(oob_errors), "折"),
  OOB误差 = oob_errors
)

print(oob_results)

注意：如果是回归任务，ranger的prediction.error对应OOB均方误差；分类任务则对应OOB误分率，需根据你的任务类型解读结果。

内容的提问来源于stack exchange，提问作者llmspn