Чи потрібна попередня обробка перед прогнозуванням за допомогою FinalModel of RandomForest з пакетом caret?

Я використовую пакет caret для навчання випадкового об'єкта Forest з 10x10CV.

library(caret)
tc <- trainControl("repeatedcv", number=10, repeats=10, classProbs=TRUE, savePred=T) 
RFFit <- train(Defect ~., data=trainingSet, method="rf", trControl=tc, preProc=c("center", "scale"))

Після цього я тестую randomForest на testSet (нові дані)

RF.testSet$Prediction <- predict(RFFit, newdata=testSet)

Матриця плутанини показує мені, що модель не така вже й погана.

confusionMatrix(data=RF.testSet$Prediction, RF.testSet$Defect)
              Reference
    Prediction   0   1
             0 886 179
             1  53 126  

      Accuracy : 0.8135          
             95% CI : (0.7907, 0.8348)
No Information Rate : 0.7548          
P-Value [Acc > NIR] : 4.369e-07       

              Kappa : 0.4145 

Зараз я хочу перевірити $ finalModel, і я думаю, що це має дати мені такий же результат, але я якось отримую

> RF.testSet$Prediction <- predict(RFFit$finalModel, newdata=RF.testSet)
>  confusionMatrix(data=RF.testSet$Prediction, RF.testSet$Defect)
Confusion Matrix and Statistics

          Reference
Prediction   0   1
         0 323  66
         1 616 239

               Accuracy : 0.4518          
                 95% CI : (0.4239, 0.4799)
    No Information Rate : 0.7548          
    P-Value [Acc > NIR] : 1               

                  Kappa : 0.0793 

Що я пропускаю?

редагувати @topepo:

Я також дізнався ще один randomForest без попередньо обробленої опції та отримав інший результат:

RFFit2 <- train(Defect ~., data=trainingSet, method="rf", trControl=tc)
testSet$Prediction2 <- predict(RFFit2, newdata=testSet)
confusionMatrix(data=testSet$Prediction2, testSet$Defect)

Confusion Matrix and Statistics

          Reference
Prediction   0   1
         0 878 174
         1  61 131

               Accuracy : 0.8111          
                 95% CI : (0.7882, 0.8325)
    No Information Rate : 0.7548          
    P-Value [Acc > NIR] : 1.252e-06       

                  Kappa : 0.4167     

Різниця полягає в попередній обробці. predict.trainавтоматично центрирує та масштабує нові дані (з тих пір, як ви про це просили), одночасно predict.randomForestприймаючи все, що йому надано. Оскільки розділення дерев базуються на оброблених значеннях, прогнози будуть вимкнені.

Макс