如何动态从随机森林模型提取误差率构建数据框并绘图？

问题根源 #

你遇到的arguments imply differing number of rows错误，本质是不同模型的类别数量不一致，导致从模型中提取的各类别误差向量长度不同，直接合并会因行数不匹配报错。

动态提取误差率的正确方法 #

1. 核心逻辑 #

随机森林分类模型的误差信息存储在model$err.rate中，这是一个矩阵：每行对应一棵树，列包含OOB（袋外误差）和各个类别的误差。我们不需要手动拼接列名，直接通过格式转换适配不同类别数量的模型。

2. 代码实现 #

方法1：用tidyverse（推荐）

library(tidyverse)
library(randomForest)

# 定义通用提取函数，适配任意分类随机森林模型
extract_rf_error <- function(rf_model) {
  as.data.frame(rf_model$err.rate) %>%
    mutate(n_tree = 1:nrow(.)) %>%
    # 宽格式转长格式，自动适配所有误差类型（OOB+各类别）
    pivot_longer(cols = -n_tree, names_to = "error_type", values_to = "error_rate")
}

# 提取不同模型的误差数据
WSAA_error <- extract_rf_error(WSAA_model1)
WSM1_error <- extract_rf_error(WSM1_model1)

# 绘图验证稳定性（示例：查看误差随树数量的变化）
ggplot(WSAA_error, aes(x = n_tree, y = error_rate, color = error_type)) +
  geom_line(alpha = 0.7) +
  labs(title = "随机森林误差随树数量变化趋势", x = "树数量", y = "误差率") +
  theme_minimal()

方法2：基础R实现

如果不想依赖tidyverse，用基础R也能完成：

extract_rf_error_base <- function(rf_model) {
  err_mat <- rf_model$err.rate
  tree_count <- nrow(err_mat)
  error_types <- colnames(err_mat)
  
  # 构建长格式数据框
  data.frame(
    n_tree = rep(1:tree_count, length(error_types)),
    error_type = rep(error_types, each = tree_count),
    error_rate = as.vector(err_mat)
  )
}

# 使用示例
WSM1_error <- extract_rf_error_base(WSM1_model1)

错误原因解析 #

你之前用paste0生成索引字符串的方式，本质是手动指定列名提取向量，但不同模型的类别列数量不同（比如一个有2类、一个有5类），导致提取的向量长度差异巨大，合并时自然出现行数不匹配的问题。转成长格式后，所有误差数据统一为「树数量-误差类型-误差率」的结构，无论类别数量多少，都能保证行数一致。

指定树数量的稳定性验证 #

如果只需验证特定树数量（比如500、1000、1500）的稳定性，可先筛选数据再绘图：

target_trees <- c(500, 1000, 1500)
filtered_data <- WSAA_error %>% filter(n_tree %in% target_trees)

ggplot(filtered_data, aes(x = factor(n_tree), y = error_rate, fill = error_type)) +
  geom_boxplot() +
  labs(title = "指定树数量下的模型误差稳定性", x = "树数量", y = "误差率") +
  theme_minimal()

内容的提问来源于stack exchange，提问作者The_Tams