<code>
ranfor<-randomForest(x=training,y=trainingTarget,ntree=NTREE,mtry=MTRY)
  pred<-predict(ranfor,testing)
<\code>
用上述代码试下

510741526 加我qq吧  求交流 学习

按照您说的代码 实验了一下 感觉很纠结 预测出来的数据 比较差
代码：
bjdata1<-read.csv('d:/data/BJtrain1.csv',header=TRUE)
bjdata2<-read.csv('d:/data/BJtest1.csv',header=TRUE)
library(randomForest)
ranfor<-randomForest(keyunliang~.,data=bjdata1,ntree=1000,mtry=2,importance=TRUE)
print(ranfor)
pred<-predict(ranfor,bjdata2)
print(pred)
我的数据时23年  北京市的数据
运行后的结果为：
Call:
randomForest(formula = keyunliang ~ ., data = bjdata1, ntree = 1000,      mtry = 3, importance = TRUE)
               Type of random forest: regression
                     Number of trees: 1000
No. of variables tried at each split: 3

          Mean of squared residuals: 9533151
                    % Var explained: 93.98
> pred<-predict(ranfor,bjdata2)
> print(pred)
       1        2        3        4        5        6        7        8
41356.59 41285.34 41190.71 41307.75       NA       NA       NA       NA
       9       10       11       12       13       14       15       16
      NA       NA       NA       NA       NA       NA       NA       NA
      17       18       19
      NA       NA       NA
我感觉是不是我的代码有错误 因为 后面的结果 19个 NA
按理说应该就是输出4个值才对啊  我是 11个输入 变量 预测一个输出

你用predict的时候，要一组一组地来。不要一块去做预测

data<-read.table(file="D:/Download/BJdata2.csv",header=TRUE,sep=",")
library(randomForest)
rf1<-randomForest(x<-data[1:19,1:11],y<-data[1:19,12])
pred<-rep(0,4)
for(i in 1:4){
      pred[i]<-predict(rf1,x<-data[19+i,1:11])
      }
你试试