MINI MINI MANI MO

%
% Copyright (c) 2015, Oracle and/or its affiliates. All rights reserved.
%
\name{ore.randomForest}
\alias{ore.randomForest}
\alias{grabTree}
\alias{grabTree.ore.randomForest}
\alias{predict.ore.randomForest}
\alias{print.ore.randomForest}
\title{
Oracle R Enterprise randomForest 함수
}
\description{
분류를 위해 \code{ore.frame} 데이터에서 무작위 포리스트 모델을
  병렬로 생성합니다.
}
\usage{
ore.randomForest(formula, data, ntree=500, mtry = NULL,
           replace = TRUE, classwt = NULL, cutoff = NULL,
           sampsize = if(replace) nrow(data) else ceiling(0.632*nrow(data)),
           nodesize = 1L, maxnodes = NULL, confusion.matrix = FALSE,
           groups = getOption("ore.parallel", NULL), na.action = na.fail, ...)

### Specific methods for ore.randomForest objects
\method{grabTree}{ore.randomForest}(object, k = 1L, labelVar = FALSE, ...)
\method{predict}{ore.randomForest}(object, newdata,
                                   type = c("response", "prob", "vote", "all"),
                                   norm.votes = TRUE,
                                   supplemental.cols = NULL,
                                   cache.model = TRUE, ...)
\method{print}{ore.randomForest}(x, ...)
}
\arguments{
  \item{formula}{
학습할 무작위 포리스트
    모델을 나타내는 \code{\link[stats]{formula}} 객체입니다.
}
  \item{data}{
모델에 대한 데이터를 지정하는
    \code{ore.frame} 객체입니다.
}
  \item{ntree}{
증가할 총 트리 수입니다.
}
  \item{mtry}{
각 트리 노드 분할에서 후보로 무작위 샘플링된 변수 수입니다.
    지정되지 않은 경우 \code{formula}에서 속성 수에 대한 제곱근의
    플로어 정수로 설정됩니다.
}
  \item{replace}{
대체 항목을 사용해서 샘플링을 수행할지 여부를 나타내는
    논리 값입니다.
}
  \item{classwt}{
클래스의 사전 벡터입니다. 지정된 경우,
    벡터 길이는 대상 열의 클래스 수와 동일합니다.
    벡터는 1씩 증가할 필요가 없습니다.
}
  \item{cutoff}{
한계 값의 벡터입니다. 지정된 경우 벡터
    길이가 대상 열의 클래스 수와 동일해야
    합니다. 관찰에 대한 예측 클래스를 결정할 때는
    투표와 한계의 비율이 최대인 항목이
    선택됩니다. 지정되지 않은 경우 기본값은 \code{1/k}이고, 여기서 \code{k}은(는)
    클래스 수입니다.
}
  \item{sampsize}{
증가 트리에 대해 그리는 샘플 크기입니다.
}
  \item{nodesize}{
터미널 노드의 최소 크기입니다.
}
  \item{maxnodes}{
성장할 각 트리의 터미널 노드에 대한 최대 
    개수입니다. 지정되지 않은 경우 \code{nodesize} 제한에 따라 트리가 최대 크기로
    성장할 수 있습니다.
}
  \item{confusion.matrix}{
혼동 매트릭스를 계산할지 여부를
    나타내는 논리 값입니다. 이 혼동 매트릭스는
    OOB(out-of-bag)를 기반으로 하지 않으며, 전체 교육 데이터에 대해
    작성된 무작위 포리스트 모델을 적용한 결과입니다.
}
  \item{groups}{
총 트리 수가 분할된 트리 그룹
    수입니다. 기본값은 \code{ore.parallel} 옵션의 값과
    동일합니다. 시스템 메모리가 제한적인 경우,
    이 인수를 큰 값으로 설정해서 메모리 부족을 방지하기 위해
    각 그룹의 크기가 작게 유지되도록 하는 것이 좋습니다. 그렇지 않으면
    인수를 기본값 그대로 두어야 합니다.
}
  \item{na.action}{
\code{NA} 값이 취급되는
    방식입니다. 기본값 \code{na.fail}을(를) 사용할 경우 학습 데이터에
    \code{NA}이(가) 포함되면 실패합니다.
}
  \item{\dots}{
추가 인수입니다.
}
  \item{object, x}{
\code{ore.randomForest} 객체입니다.
}
  \item{k}{
추출할 트리 정보를 나타내는 정수입니다.
}
  \item{labelVar}{
반환된 프레임의 \code{split
      var} 및 \code{prediction} 열이 의미 있는 레이블을 사용하는지 여부를 나타내는
    논리값입니다.
}
  \item{newdata}{
\code{ore.frame} 객체, 테스트 데이터입니다.
}
  \item{type}{
이 인수는 출력의 유형을 지정합니다. 값은
    \code{response}, \code{prob}, \code{votes} 또는 \code{all}일 수 있으며,
    예상 값, 클래스 확률 매트릭스, 투표 수 매트릭스 또는
    투표 매트릭스와 예상 값 모두와 같은 출력 유형을
    나타냅니다.
}
  \item{norm.votes}{
출력 투표 매트릭스에서 투표 수를 정규화할지
    여부를 나타내는 논리 값입니다. \code{type}이(가) \code{response}
    또는 \code{prob}인 경우 인수가 무시됩니다.
}
  \item{supplemental.cols}{
\code{newdata} 데이터 집합의 예측 결과에 포함할
  추가 열입니다.
}
  \item{cache.model}{
예측 중 전체 무작위 포리스트 모델을
    메모리에 캐시할지 여부를 나타내는 논리 값입니다.
}
}


\value{
\code{ore.randomForest}의 경우 \code{ore.randomForest} 클래스의 객체를
  반환합니다. 일부 구성요소는 다음과 같습니다.
  \item{forest}{직렬화된 성장 트리를 저장하는 \code{ore.frame} 객체입니다.}
  \item{DOP}{모델을 작성하는 데 사용된 병렬화 정도입니다.}
  \item{confusion}{\code{confusion.matrix}이(가) \code{TRUE}(으)로 지정된 경우 작성된
    모델을 교육 데이터에 적용한 결과로 발생하는
    혼동 매트릭스입니다.}
  \code{grabTree.ore.randomForest}의 경우 \code{ore.frame} 트리 정보와 함께
  \code{kth}을(를) 반환합니다. 각 행은 하나의 노드를 나타내며,
  여기에는 노드 ID, 자식 노드, 분할 변수,
  분할 지점, 노드 상태(터미널: \code{-1};
  비터미널: \code{1}) 및 예측이 포함됩니다.
  \code{predict.ore.randomForest}의 경우 \code{ore.frame} 인수에 따라
  예측 및/또는 선호 매트릭스와 함께 \code{type}을(를) 반환합니다.
}
  

\details{
\code{ore.randomForest} 함수는 성장 트리에 따라 병렬로 무작위
  포리스트 모델을 작성합니다. 이 함수는
  \code{ore.randomForest} 객체를 반환합니다. 이를 위해서는 ORD(Oracle R Distribution)
  또는 \code{randomForest} 패키지가 설치되어 있어야 합니다. Oracle R
  Distribution은 성능 및 호환성으로 인해 \code{randomForest}
  패키지보다 선호됩니다. \code{randomForest} 패키지가 사용된 경우에는 경고가
  표시됩니다.
  점수 지정 메소드 \code{predict}은(는) 병렬로 실행됩니다. 사용 가능한 메모리가
  충분한 경우에는 \code{cache.model} \code{TRUE}의 기본값이
  권장됩니다. 그렇지 않으면 메모리 초과 사용을
  방지하기 위해 \code{cache.model}을(를) \code{FALSE}(으)로 설정해야 합니다.
  \code{\link[OREbase:ore.options]{"ore.parallel"}} 전역 옵션은
  \code{ore.randomForest}에서 Oracle R Enterprise 서버 내에 사용할
  병렬화의 선호 정도를 결정하기 위해 사용됩니다.
}
\references{
  \href{http://www.oracle.com/technetwork/database/database-technologies/r/r-enterprise/documentation/index.html}{Oracle R Enterprise}
}
\author{
  Oracle \email{oracle-r-enterprise@oracle.com}
}
\seealso{
  \code{\link[randomForest]{randomForest}},
  \code{\link[OREbase:ore.options]{ore.parallel}}
}
\examples{
  IRIS <- ore.push(iris)
  mod <- ore.randomForest(Species~., IRIS)
  tree10 <- grabTree(mod, k = 10, labelVar = TRUE)
  ans <- predict(mod, IRIS, type="all", supplemental.cols="Species")
  table(ans$Species, ans$prediction)
}
\keyword{randomForest}