问随机森林回归分析-综合问题
EN

Data Science用户

提问于 2021-11-29 20:01:04

回答 1查看 28关注 0票数 2

我对随机森林回归有一个深刻的理解。目标是一个大学项目:我们要用R中的财务数据做随机森林回归分析，我已经读了很多小时的随机森林例子，它们大多是分类类型，比如预测股票价值是上升还是下降。万一退步，我就站在线上。我的想法如下：

如果我有如下结构的数据集：

Date | Open | High | Low | Close | Volume

...I可以添加一些技术仪器，如RSI、SMA等。

然后将数据集分解为训练和测试数据，执行随机森林过程，并对测试数据进行预测。但这真的是随机森林回归分析的目的吗？我猜一个“正确的”回归分析是比较两只股票，看看它们是否相关，根据另一只股票预测一只股票的价值--但在没有随机森林算法的情况下，这是一种经典的回归分析。我很难理解你的目的.

发布于 2021-12-02 18:56:06

在实际的回归过程中，您可以做一个训练/测试分割，或者K-折叠或任何其他交叉val方法来评估模型的性能。如果您对性能满意，那么您可以使用所有的数据进行培训。要预测未来，可以使用预测(X)函数。

票数 0

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/104635

复制

相似问题

问随机森林回归分析-综合问题EN