R Under development (unstable) (2024-07-17 r86903 ucrt) -- "Unsuffered Consequences" Copyright (C) 2024 The R Foundation for Statistical Computing Platform: x86_64-w64-mingw32/x64 R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under certain conditions. Type 'license()' or 'licence()' for distribution details. R is a collaborative project with many contributors. Type 'contributors()' for more information and 'citation()' on how to cite R or R packages in publications. Type 'demo()' for some demos, 'help()' for on-line help, or 'help.start()' for an HTML browser interface to help. Type 'q()' to quit R. > library(ipred) > > suppressWarnings(RNGversion("3.5.3")) > actversion <- paste(R.version$major, R.version$minor, sep=".") > thisversion <- "1.7.0" > > #if (compareVersion(actversion, thisversion) >= 0) { > # RNGversion("1.6.2") > #} > set.seed(29081975) > > data("BreastCancer", package = "mlbench") > mod <- bagging(Class ~ Cl.thickness + Cell.size + + Cell.shape + Marg.adhesion + + Epith.c.size + Bare.nuclei + + Bl.cromatin + Normal.nucleoli + + Mitoses, data=BreastCancer, coob=TRUE) > print(mod) Bagging classification trees with 25 bootstrap replications Call: bagging.data.frame(formula = Class ~ Cl.thickness + Cell.size + Cell.shape + Marg.adhesion + Epith.c.size + Bare.nuclei + Bl.cromatin + Normal.nucleoli + Mitoses, data = BreastCancer, coob = TRUE) Out-of-bag estimate of misclassification error: 0.0439 > > print(a <- predict(mod, newdata=BreastCancer)) [1] benign benign benign malignant benign malignant benign [8] benign benign benign benign benign malignant benign [15] malignant malignant benign benign malignant benign malignant [22] malignant benign malignant benign malignant benign benign [29] benign benign benign benign malignant benign benign [36] benign malignant benign malignant malignant malignant malignant [43] malignant malignant malignant benign malignant benign benign [50] malignant malignant malignant malignant malignant malignant malignant [57] malignant malignant malignant malignant malignant benign malignant [64] malignant benign malignant benign malignant malignant benign [71] benign malignant benign malignant malignant benign benign [78] benign benign benign benign benign benign benign [85] malignant malignant malignant malignant benign benign benign [92] benign benign benign benign benign benign benign [99] malignant malignant malignant malignant benign malignant malignant [106] malignant malignant malignant benign malignant benign malignant [113] malignant malignant benign benign benign malignant benign [120] benign benign benign malignant malignant malignant benign [127] malignant benign malignant benign benign benign malignant [134] benign benign benign benign benign benign benign [141] benign benign malignant benign benign benign malignant [148] benign benign malignant benign malignant malignant benign [155] benign malignant benign benign benign malignant malignant [162] benign benign benign benign benign malignant malignant [169] benign benign benign benign benign malignant malignant [176] malignant benign malignant benign malignant benign benign [183] benign malignant malignant benign malignant malignant malignant [190] benign malignant malignant benign benign benign benign [197] benign benign benign benign malignant malignant benign [204] benign benign malignant malignant benign benign benign [211] malignant malignant benign malignant malignant malignant benign [218] benign malignant benign benign malignant malignant malignant [225] malignant benign malignant malignant benign malignant malignant [232] malignant benign malignant benign benign malignant malignant [239] malignant malignant benign benign benign benign benign [246] benign malignant malignant benign benign benign malignant [253] benign malignant malignant malignant benign benign benign [260] benign malignant malignant malignant malignant malignant benign [267] malignant malignant malignant benign malignant benign malignant [274] malignant benign benign benign benign benign malignant [281] benign benign malignant malignant malignant malignant malignant [288] benign malignant malignant benign benign malignant malignant [295] benign malignant benign benign benign malignant malignant [302] benign malignant benign malignant malignant benign benign [309] malignant benign benign benign malignant benign benign [316] malignant malignant malignant benign benign malignant benign [323] benign malignant benign benign malignant benign malignant [330] malignant malignant benign benign malignant malignant benign [337] malignant benign benign malignant malignant benign benign [344] benign malignant benign benign benign malignant malignant [351] benign benign benign malignant benign benign malignant [358] malignant malignant malignant malignant malignant benign benign [365] benign benign malignant malignant benign benign benign [372] benign benign benign benign benign benign benign [379] benign benign benign malignant benign benign benign [386] benign malignant benign benign benign benign malignant [393] benign benign benign benign benign benign benign [400] benign malignant benign benign benign benign benign [407] benign benign benign benign benign benign malignant [414] benign malignant benign malignant benign benign benign [421] benign malignant benign benign benign malignant benign [428] malignant benign benign benign benign benign benign [435] benign malignant malignant benign benign benign malignant [442] benign benign benign benign benign benign benign [449] benign malignant benign benign benign malignant benign [456] malignant malignant malignant benign benign benign benign [463] benign benign benign malignant malignant malignant benign [470] benign benign benign benign benign benign benign [477] benign benign benign malignant benign benign malignant [484] malignant benign benign benign malignant malignant malignant [491] benign malignant benign malignant benign benign benign [498] benign benign benign benign benign benign benign [505] benign benign malignant benign benign benign benign [512] benign benign benign malignant malignant benign benign [519] benign malignant benign benign malignant malignant benign [526] benign benign benign benign benign malignant benign [533] benign benign benign benign benign benign benign [540] benign benign benign benign benign benign benign [547] malignant benign benign malignant benign benign benign [554] benign benign benign benign benign benign benign [561] benign benign benign benign benign malignant benign [568] benign malignant malignant malignant malignant benign benign [575] malignant benign benign benign benign benign benign [582] malignant malignant benign benign benign malignant benign [589] malignant benign malignant malignant malignant benign malignant [596] benign benign benign benign benign benign benign [603] benign malignant malignant malignant benign benign malignant [610] benign malignant malignant malignant benign benign benign [617] benign benign benign benign benign benign benign [624] benign benign benign malignant benign benign benign [631] benign benign benign malignant benign benign malignant [638] benign benign benign benign benign benign benign [645] benign benign benign benign malignant benign benign [652] benign benign benign benign benign benign benign [659] malignant benign benign benign benign benign benign [666] benign benign benign malignant malignant malignant benign [673] benign benign benign benign benign benign benign [680] benign malignant malignant benign benign benign benign [687] benign benign benign benign benign malignant benign [694] benign benign benign malignant malignant malignant Levels: benign malignant > stopifnot(length(a) == nrow(BreastCancer)) > > # bagging failed if only one predictor was specified > # by Christoph M. Friedrich , April 29th, 2002 > > X <- as.data.frame(matrix(rnorm(1000), ncol=10)) > y <- factor(ifelse(apply(X, 1, mean) > 0, 1, 0)) > learn <- cbind(y, X) > mt <- bagging(y ~ V1, data=learn, coob=TRUE) > # > # This won't work because of some difficulties with predict.lda > # mt <- bagging(y ~ V1, data=learn, method="double", coob=FALSE) > # > X <- as.data.frame(matrix(rnorm(1000), ncol=10)) > y <- apply(X, 1, mean) + rnorm(nrow(X)) > learn <- cbind(y, X) > mt <- bagging(y ~ V1, data=learn, coob=TRUE) > > # cv.numeric and bootest.numeric were broken, check for reasonaly values > X <- as.data.frame(matrix(rnorm(1000), ncol=10)) > y <- apply(X, 1, mean) + rnorm(nrow(X)) > learn <- cbind(y, X) > newy <- apply(X, 1, mean) + rnorm(nrow(X)) > mod <- lm(y ~ ., data=learn) > trueerr <- sqrt(mean((newy - fitted(mod))^2)) > cverr <- rep(0,5) > for (i in 1:5) cverr[i] <- errorest(y ~., data=learn, model=lm)$error > booterr <- errorest(y ~., data=learn, model=lm, + estimator="boot",est.para=control.errorest(nboot=50))$error > print(trueerr/mean(cverr)) [1] 0.9612632 > print(trueerr/booterr) [1] 0.9073771 > > proc.time() user system elapsed 2.42 0.39 2.81