R语言ranger包构建随机森林预测MNIST如何输出0-9整数结果

在R语言中使用ranger包构建随机森林模型，基于MNIST像素数据训练模型预测0-9手写数字类别时，运行以下代码后得到的预测结果存在大量连续型小数，不符合分类任务输出整数类别的预期：

set.seed(1031)
forestranger <- ranger(Y ~ ., data = mnisttrain, num.trees = 1000)
predictions <- predict(forestranger, data = mnisttest, num.trees = 1000)

ranger默认会根据响应变量的数据类型自动判定建模任务类型：如果训练集中的标签列Y是数值型（numeric），ranger会默认执行回归任务，输出连续型预测值；只有当Y为因子型（factor），或显式指定分类任务参数时，才会执行分类任务输出离散类别。

选择以下任意一种方式调整，即可得到0-9区间的整数预测结果：

• 方法1：训练前将标签列转换为因子类型，让ranger自动识别为分类任务

  set.seed(1031)
  # 将训练集标签转为因子型
  mnisttrain$Y <- as.factor(mnisttrain$Y)
  forestranger <- ranger(Y ~ ., data = mnisttrain, num.trees = 1000)
  predictions <- predict(forestranger, data = mnisttest, num.trees = 1000)
  # 提取预测类别，如需整数格式可做类型转换
  pred_result <- as.numeric(as.character(predictions$predictions))
  

• 方法2：调用ranger时显式声明分类任务，无需提前转换标签类型

  set.seed(1031)
  # 添加classification = TRUE参数，强制执行分类任务
  forestranger <- ranger(Y ~ ., data = mnisttrain, num.trees = 1000, classification = TRUE)
  predictions <- predict(forestranger, data = mnisttest, num.trees = 1000)
  pred_result <- as.numeric(as.character(predictions$predictions))
  

• 不要直接对回归输出的连续值做四舍五入取整当分类结果用，这种操作本质是错用回归模型解决分类问题，会大幅降低预测准确率，不符合随机森林分类的建模逻辑。
• 如果需要输出每个类别的预测概率而非硬分类结果，可以在训练ranger模型时设置probability = TRUE，此时预测结果会返回每个样本对应0-9共10个类别的概率值。

内容的提问来源于stack exchange，提问作者amatof