> 估计随机森林

要创建随机森林，首先选择类型（即分类或回归）、响应变量以及一个或多个解释变量。点击`Estimate model`按钮或按`CTRL-enter`（在 Mac 上为`CMD-enter`）生成结果。

可通过更改`mtry`、`# trees`、`Min node size`和`Sample fraction`输入对模型进行 “调优”。确定这些超参数最优值的最佳方法是使用交叉验证。在 Radiant 中，你可以使用`cv.rforest`函数实现此目的。更多信息请参见<a  href="https://radiant-rstats.github.io/radiant.model/reference/cv.rforest.html" target="_blank">文档</a>。

### 报告 > Rmd

通过点击屏幕左下角的<i title="report results" class="fa fa-edit"></i>图标或按键盘上的`ALT-enter`，向<a href="https://radiant-rstats.github.io/docs/data/report_rmd.html" target="_blank">*报告 > Rmd*</a>添加代码以（重新）创建分析。

### R 函数

有关 Radiant 中用于估计神经网络模型的相关 R 函数概述，请参见<a href =  "https://radiant-rstats.github.io/radiant.model/reference/index.html#section-model-random-forest" target="_blank">*模型 > 神经网络*</a>。

`rforest`工具中使用的来自`ranger`包的核心函数是`ranger`。