为什么在R和Python之间得到不同的随机森林结果？

Question

我试图比较使用R和Python的随机森林模型的结果。我比较的模型性能的关键度量是AUC（ROC曲线下的面积）。原因是AUC值代表了预测值（即概率）的分布。我确实发现了R和Python在AUC值上的一些显著差异。关于R和Python之间的差异，我确实通读了一些关于堆栈溢出的相关问题和答案。但是，我觉得我的问题应该和那些不同。在

我试图在R和Python中保持一些关键的超参数不变。它们是：

1. 将R中的ntree设置为Python中的n_estimators
2. 在Python中将R中的mtry设置为max_features
3. 将R中的nodesize设置为Python中的min_samples_leaf
4. 在R和Python中将类权重设置为默认值。在R中，默认值是NULL。在Python中，默认值是None。在
5. 在R中设置samplesize等于训练数据中的总行数，这是Python中的默认设置。在
6. 在Python中将R中的replace设置为bootstrap，即两者都是True，或者两者都是{}。在

该问题是一个两类分类问题，有86个预测因子。每个预测因子都是连续的或布尔的。在R中没有使用因子类型预测因子。训练数据中有2008个观察值，测试数据中有335个观察值。两组数据的有效率相同，为79.7%。在

结果如下：

R的模型1结果
training_auc=0.9249080，test_auc=0.6308934

R的模型2结果
training_auc=0.9245665，test_auc=0.6364838

Python中的模型1结果
training_auc=0.80515863，test_auc=0.62194316

Python中的模型2结果
training_auc=0.86075733，test_auc=0.61522362

您可以发现R和Python之间的模型2（非引导抽样）中AUC值的差异比模型1（bootstrap采样）中小，尤其是在训练数据的AUC中。在

我的问题是：

• 为什么即使我在R和Python中设置了相同的超参数，训练数据的AUC会有如此巨大的差异？

• 我错过了什么重要的参数吗？或者我的R或Python代码有错误吗？

• 如何在R中使用classwt，在Python中如何使用class_weight？

随机森林模型的R码

library(randomForest)
library(glmnet)
setwd("D:/Project Files2/Python Efficiency/test RF using another dataset")

#read in data for training and data for testing
X_train01 <- read.csv("X_train_0.csv",header=FALSE)
y_train01 <- read.csv("y_train_0.csv",header=FALSE)
colnames(y_train01) <- "response"

X_test01 <- read.csv("X_test_0.csv",header=FALSE)
y_test01 <- read.csv("y_test_0.csv", header=FALSE)
colnames(y_test01) <- "response"

#define a function for RF
run_quick_rf4 <- function(X_train01,y_train01, X_test01, y_test01, ntree, mtry, nodesize, maxnodes=NULL, replace=TRUE, classwt=NULL, rnd_seed= 12345){

  set.seed(rnd_seed)
  rf_model <- randomForest(x=X_train01,y=as.factor(y_train01[,1]),
                           ntree=ntree,
                           mtry= mtry,
                           nodesize= nodesize,
                           maxnodes= maxnodes,
                           replace = replace,
                           sampsize = nrow(X_train01),
                           classwt = classwt
  )
  train01_pred <- predict(rf_model, X_train01, type='prob')
  train01_auc <- auc(y_train01[,1], train01_pred[,2])

  test01_pred <- predict(rf_model, X_test01, type='prob')
  test01_auc <- auc(y_test01[,1],test01_pred[,2])
  auc_outcome<- c(train01_auc, test01_auc)
  names(auc_outcome)<- c("training_auc", "test_auc")
  return(auc_outcome)
}
#>>>>>>>>>>>>>>>>>>>>>>>>>End of this function>>>>>>>>>>>>>>>>>>

#run random forest models with parameters set.

#Model 1
run_quick_rf4(X_train01, y_train01, X_test01, y_test01, 500, 20, 20, maxnodes=NULL, replace=TRUE, classwt=NULL, rnd_seed= 12345)

#Model 2
run_quick_rf4(X_train01, y_train01, X_test01, y_test01, 500, 20, 20, maxnodes=NULL, replace=FALSE, classwt=NULL, rnd_seed= 12345)

随机森林模型的Python代码

^{pr2}$