数据上传
数据预处理
数据摘要
数据预览
模型参数设置
训练状态
Loading...
模型训练中，请稍候...
超参数优化设置
优化状态
Loading...
参数优化中，请稍候...
最优参数结果
优化过程可视化
参数重要性分析
模型摘要
性能指标
ROC曲线
混淆矩阵
变量重要性图
重要性数值
误差 vs 树数量
残差分析
SHAP全局解释
SHAP (SHapley Additive exPlanations) 值展示了每个特征对模型预测的贡献程度。
SHAP摘要图
SHAP重要性图
单个预测解释
特征依赖图
关于此应用
随机森林模型分析平台
这是一个基于Shiny开发的交互式机器学习应用，专门用于随机森林模型的构建、评估和预测。
主要功能:
- 支持CSV/TXT/Excel格式数据上传
- 自动数据预处理和特征选择
- 交互式参数调优
- 多维度模型评估
- SHAP值模型解释
- 实时预测分析
技术栈:
- Shiny - Web应用框架
- shinydashboard - 仪表板界面
- randomForest - 随机森林算法
- plotly - 交互式可视化
- fastshap - SHAP值计算
- shapviz - SHAP可视化
SHAP解释:
SHAP (SHapley Additive exPlanations) 是一种基于博弈论的方法，用于解释机器学习模型的预测。 它提供了每个特征对单个预测的贡献程度，使模型更加透明和可解释。