R语言基于shiny开发随机森林预测模型交互式 Web 应用程序（应用程序）

随机森林（Breiman 2001a）（RF）是一种非参数统计方法，需要没有关于响应的协变关系的分布假设。RF是一种强大的、非线性的技术，通过拟合一组树来稳定预测精度模型估计。

什么是shiny？Shiny是一个R包，可让您轻松地直接从 R 构建交互式 Web 应用程序（应用程序）。那随机森林和Shiny这两者有什么关系呢？

举个例子：比如你开发了一个很好的，预测能力很强的机器学习模型，随机森林或者其他模型。但是投稿后审稿人说，你的模型既然这么好，能力预测能力这么强，那么为什么不进一步开发个预测模型的软件或者页面？服务大众呢？因此shiny就可以上场了，它主要的功能是把你的模型生成交互式界面，可视化图形可以及时得到结果。

比如下面这篇文章就是开发了一个shiny的预测模型，估计就是根据编辑或审稿人的要求

今天给大家介绍一下我自己编写的sciml包的shiny.randomForest函数，可以轻易生成随机森林模型的交互页面，再也不怕被审稿人刁难了，哈哈。

先导入R包和函数

r 复制代码

library(sciml)
library(scitable)
bc<-read.csv("E:/r/test/demo.csv",sep=',',header=TRUE)
bc <- na.omit(bc)

数据变量很多，我解释几个我等下要用的，HBP：是否发生高血压，结局指标，AGE：年龄，是我们的协变量，BMI肥胖指数，FEV1肺活量指标，WEIGHT体重，"SBP","DBP"：收缩压和舒张压。公众号回复：体检数据，可以获得数据。

精简一下数据，方便演示，没有什么特殊意义

r 复制代码

bc<-bc[,c("HBP","SEX","AGE","FEV1","OCCU","COUGH","EDU")]

整理数据，主要是对数据检查，把分类变量转成因子，你手动转也是一样的

r 复制代码

out2<-organizedata2(data = bc,username=username,token=token,explore = T)

提取整理好的数据

r 复制代码

data<-out2[["data"]]
allVars<-out2[["allVars"]]
fvars<-out2[["factorvarout"]]

对数据3：7划分

r 复制代码

set.seed(123)
tr1<- sample(nrow(data),0.7*nrow(data))##随机无放抽取
data_train <- data[tr1,]#70%数据集
data_test<- data[-tr1,]#30%数据集

生成随机森林模型，我这里用scirandomForest函数，你用常规方法也是可以的

r 复制代码

out<-scirandomForest(data=data_train,y="HBP",username=username,token=token,onlygetfit = T,username=username,token=token)
fit<-out[["fit"]]

生成随机森林模型之前，这些步骤都是常规，生成森林随林后，生成随机森林预测模型交互式 Web 应用程序（应用程序）非常简单，就是一句话代码

r 复制代码

shiny.randomForest(model=fit, data=data_train, app_title ="随机森林分类预测器")

点击预测按钮就可以预测了，

这样简单的一句话代码，交互是应用程序就生成了，拖动按钮，更改参数可以得到不同患者的发病率。

如果你想发英文，也可以简单更改一下，看下函数参数

修改一下

r 复制代码

shiny.randomForest(model=fit, data=data_train, app_title ="随机森林分类预测器",username=username,token=token,
                   tabPanel1 = "predct")

可以看到已经改成英文了

这是我第一次写交互式应用函数，难免有些不足，后面应该会越写越好，除了机器学习，咱们的生存分析，列线图等都能做，后面我再写写，有什么意见和建议可以私信给我。

R语言基于shiny开发随机森林预测模型交互式 Web 应用程序（应用程序）