El objeto randomForest tiene todas las información sobre cada árbol en el objeto. Cada árbol no es particularmente complicado, aunque puede ser confuso.
iris.rf <- randomForest(Species ~ ., data=iris, importance=TRUE,
proximity=TRUE)
> names(iris.rf$forest)
[1] "ndbigtree" "nodestatus" "bestvar" "treemap" "nodepred"
[6] "xbestsplit" "pid" "cutoff" "ncat" "maxcat"
[11] "nrnodes" "ntree" "nclass" "xlevels"
Para averiguar cómo usar el bosque fuera de R, tendrá que mirar el código fuente. Descargue el paquete fuente de randomForest, extraiga tar.gz y busque en el directorio src. En rf.c, verá la clase de función Forest (y para la regresión, observe regForest en regrf.c). Mire la función R predict.randomForest para ver cómo se llama. Es posible que deba utilizar getAnywhere ("predecir.horro aleatorio") para verlo en R.
Se requerirá un poco de rebuscado para extraer la información R y predecir en otro paquete, por lo que tendría que pensar cuidadosamente antes de hacer esto. Volver a instalar en el software que pretende utilizar puede ser más sencillo.
Gracias por su respuesta @Paolo, pero, después de tener el archivo PMML, ¿cómo puedo ejecutarlo? – nanounanue
Si la respuesta fue útil para usted, ¡se apreciaría un voto positivo! ;-) Con respecto a su pregunta, debe verificar si puede importar el modelo pmml en el idioma que utilizará para la implementación. – Paolo
¡Tienes razón! la publicación fue útil, déjame votar. ¿Me podría recomendar algún lenguaje o software que admita PMML? De nuevo, gracias por tu ayuda. – nanounanue