From what you showed, there is no test result (namely ytest was empty for training):

Black solid line is for overall OOB (out-of-bag) error and, colour lines, one for each class' error (i.e. 1-this class recall).

Suppose you use IRIS data, then:The red curve is the error rate for the Setosa class, the green and blue curves above are for Versicolor and Virginica while the black curve is the Out-of-Bag error rate.


The code is as following:

plot(fit)
legend(1500, 0.15, c('line 1', 'line 2', 'line 3', 'line 4'),
       lty=c(1,1,1,1),
       lwd=c(2.5,2.5, 2.5,2.5),
       col=c('black', "blue","red", 'green'))

rfMt<-randomForest(x=xda[Idx,],y=yv[Idx],xtest=xda[-Idx,],ytest=yv[-Idx],ntree=1500）
用str() 显示模型结果 ：
str(rfMt)
List of 17
$ call           : language randomForest(x = xda[Idx, ], y = yv[Idx], xtest = xda[-Idx, ], ytest = yv[-Idx], ntree = 1500,      corr.bias = TRUE)
$ type           : chr "regression"
$ predicted      : Named num [1:120] 1.22 2.06 1.58 1.91 1.45 ...
  ..- attr(*, "names")= chr [1:120] "69" "303" "22" "13" ...
$ mse            : num [1:1500] 0.394 0.349 0.322 0.311 0.316 ...
$ rsq            : num [1:1500]

................................
........................
$ y              : num [1:120] 1.79 2.08 1.39 1.61 1.1 ...
$ test           :List of 4
  ..$ predicted: Named num [1:83] 1.78 1.71 1.69 1.74 1.94 ...
  .. ..- attr(*, "names")= chr [1:83] "5" "9" "12" "14" ...
  ..$ mse      : num [1:1500] 0.392 0.292 0.303 0.316 0.305 ...
  ..$ rsq      : num [1:1500] 0.345 0.512 0.493 0.471 0.49 ...
  ..$ proximity: NULL
$ inbag

注：红色部分即为plot(rfMat)输出部分，但不完美，因此，可自已编程绘制：
  yda<-data.frame(oobmse=rfMt$mse,testmse=rfMt$test$mse)
> library(tidyr)
> yda$id<-1:1500
> str(yda)
'data.frame':   1500 obs. of  3 variables:
$ oobmse : num  0.394 0.349 0.322 0.311 0.316 ...
$ testmse: num  0.392 0.292 0.303 0.316 0.305 ...
$ id     : int  1 2 3 4 5 6 7 8 9 10 ...
> yda<-gather(yda,key=Type,value=mse,-id)
> str(yda)
'data.frame':   3000 obs. of  3 variables:
$ id  : int  1 2 3 4 5 6 7 8 9 10 ...
$ Type: Factor w/ 2 levels "oobmse","testmse": 1 1 1 1 1 1 1 1 1 1 ...
$ mse : num  0.394 0.349 0.322 0.311 0.316 ...
> library(ggplot2)
> ggplot(yda,aes(x=id,y=mse,colour=Type))+geom_line()
当然按自已的要求进一步美化！！！


当然mse 仅仅说明ntree 指标设置是否合理。test集的mse 则是一个预测性好坏的指标。
mse : (regression only) vector of mean square errors: sum of squared residuals divided  by n.

请问楼主，随机森林的R语言包怎么安装到R语言上的，我是小白，不太懂

你好，请问用建立随机森林模型的时候自己的数据集是否有格式要求，比如每行每列放什么东西？
谢谢！