1回答
我正在尝试计算通过更改mtry、nodesize和ntree参数创建的多个随机森林的MSE。我将这些参数用作randomForest函数中的变量，并使用这些变量作为索引创建了3个"for“循环。我的问题是在最后一行代码中，我试图在一个数组中将729个MSE值彼此相加。如何将它们存储在如下所示的嵌套循环中？
浏览 28提问于2020-05-13得票数 1
回答已采纳
我试图用criterion = mae (平均绝对误差)代替mse (均方误差)进行随机森林回归。大约需要6分钟( mae)而不是2.5秒( mse)。如何减少计算时间？
同样的情况发生在决策树上。差异不大，但每棵树的比例大致相同。
浏览 4提问于2020-06-28得票数 1
回答已采纳
1回答
为什么h2o.randomforest在训练多项式分类问题时，要计算袋外样本的均方误差？我也用h2o.randomforest做过二分类，它用来在out of bag sample和training上计算AUC，但对于多分类随机森林计算均方误差，这似乎很可疑。请看这张截图。
我的目标变量是一个包含4个因子水平model1，model2，model3和mod
浏览 0提问于2015-10-25得票数 0
1回答
我使用随机森林对响应变量进行建模。当我查看OOB图时，均方误差随着树木数量的增加而直线下降。对这种下降的解释是什么？
浏览 78提问于2019-05-11得票数 0
科学学习中随机森林回归的OOB分数是如何计算的？
对于每个n个观测值，都可以得到一个OOB预测值，从中得到整个OOB (对于一个回归问题)。是可以计算出来的。OOB<em
浏览 7提问于2022-07-29得票数 1
回答已采纳
对随机森林对象的预测值的解释是“基于袋外样本的输入数据的预测值”。
英语不是我的母语，我很难理解这句话。我目前正在使用随机森林技术处理一个模拟回归问题。目标是在仿真中找出每个样本的袋外误差.搜索了一下之后，我找到了这个predicted组件。根据我从句子中所理解的，对于每一棵树，predicted返回整个数据子集的预测值，这些数据子集是而不是用于该特定树的
浏览 1提问于2020-03-17得票数 1
回答已采纳
以前的开发人员应用神经网络，并给我损失的结果，均方误差和最小均方误差。如何将这些结果与我的模型(线性回归)进行比较？我可以计算MSE和MAE，但什么是损失？
浏览 43提问于2020-08-06得票数 2
1回答
我正在寻找随机森林和XGB‘回归者’如何计算特性重要性。然而，大多数的讨论都集中在分类器上。
我试图在正式文件中找到答案，但有一些问题。在中，对get_score的描述表明，对于线性模型，只定义了“权重”，它是无偏差的归一化系数。它是否意味着特征的重要性仅由输入和输出之间的系数计算？不是由mse还是gini计算的？在中，对feature_importances_的描述表示“基于杂质
浏览 0提问于2021-06-27得票数 0
如果我将随机森林模型应用于R中的训练集，pred1 = predict(forest, newdata = dat)pred2 = forest$predicted
第二行和第三行是应用于相同数据集的相同模型，但为什么它们会给出不同的值？pred1用于与真实响应值比较并计算训练集的均方根误差，而pred2用于与真实响应值比较并计算测试
浏览 1提问于2018-11-17得票数 0
滑雪板随机森林文档页面显示
我的数据是混乱的，有异常值，我觉得MAE或一些健壮的惩罚功能会表现得更好。是否有一种方法可以将随机森林回归器用于其他度量(例如迭代)，或者是否有其他python开源备选方案，或者我对要求其他度量标准的假设本身是错误的？Sklearn在其他领域发展得很好，所以我觉得奇怪<e
浏览 2提问于2014-07-17得票数 3
我的问题是关于神经网络训练的。我已经搜索过了，但是没有很好的解释。第二:当神经网络进行训练时，我们输入一个由许多对(输入及其期望输出)组成的训练集。现在我们应该在什么时候计算均方误差？当我们已经得到所有的配对时，它是这样的吗？或者我们为每一对计算它？
如果是针对每一对，
浏览 1提问于2014-01-02得票数 4
回答已采纳
当在即使是小应用程序(<50K行<50列)上使用sklearn的RandomForestRegress的平均绝对误差准则进行训练时，比使用均方误差慢近10倍。为了说明，即使在一个小的数据集：from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets我想为更大的应用程序优化MAE，但是发现RandomForestRegressor<
浏览 0提问于2019-07-28得票数 23
回答已采纳
我刚刚创建了一个梯度提升模型，它的样本外预测比随机森林更差。GBM的均方误差比随机森林高10%。下面是我的示例代码。我确定它有没有什么问题。
浏览 1提问于2015-06-10得票数 0
我想在随机森林的分类问题中评估2000x60数据集的每个特性的重要性。最广泛使用的显然是：基尼重要性(__SkLearn implementation `feature_importances`_)
均方误差(__H2O与h2o.varimp__实现)在这个研究论文中，我还发现了关于变量在随机森林中的重要性的一些其他度量的相当
浏览 0提问于2018-08-30得票数 6
因此，我有这样一个残差的数据框架：1 .2 23.3 2.3 4.323 23.3 1.323 3.441 0.3 76.4 3.2 78.5如何使用ID来计算均方误差？因此，基本上，为每个单独的ID的最小均方是目标。
浏览 11提问于2020-11-11得票数 0
回答已采纳
1回答
在附加的数据集中，列没有标签。我不得不标记数据集的列并将其保存为csv，我很抱歉不能在这里使用…但我使用的栏是第3栏(年龄)、第4栏(感染)、第5栏(人口比率)、第10栏(人口普查)和第12栏(服务)、第9栏(地区)。我应该“对每个地理区域使用一阶回归模型，将感染风险(Y)与预测变量年龄、人口比率、人口普查、服务进行回归，然后我需要找到每个地区的MSE，这是我的代码。”NE.Model<- lm(NE$infection~ NE$age + NE$culratio + NE$census + NE$
浏览 1提问于2014-10-30得票数 0
回答已采纳
1回答
在下面的简短示例代码中，它是较大代码的一部分，我试图找到均方误差，这是一个性能度量，它将通过检查MSE来决定函数的性能。降低MSE的值，使评估的输出更接近真实的结果。我对10个不同的数据集重复了10次实验，并记录了所有数据集之间的最小误差。整个过程运行100次。数据是一个大小为10*3的矩阵，即10个数据样本，每个样本包含3个元素。我对计算<em
浏览 4提问于2014-03-20得票数 1
回答已采纳
R包randomForest报告森林中每个树的均方错误。但是，我需要对数据中的每个案例进行一次信任度量。由于randomForest是通过平均单个树的预测来计算实例预测的，所以我想也应该可以计算一个案例标准误差，从而得到一个置信区间。
浏览 1提问于2013-02-05得票数 5
回答已采纳
1回答
我刚刚开始学习tensorflow，并且正在实现一个线性回归的神经网络。我遵循了一些在线教程，能够写出代码。当我运行代码时，我得到了Nan作为预测的准确性。我使用的代码如下所示X = tf.placeholder("float", shape=[None, x_size])Epoch = 1, train accuracy = nan%, test ac
浏览 0提问于2017-03-11得票数 0
根据我的理解，为了提高集成模型的准确性，您需要广泛的独立集成方法。我想知道是否使用随机森林模型的输出作为神经网络的输入之一，而另一个输入是原始数据，目标保持不变，是否可以改进模型？为什么要增加额外的复杂性呢？基本上，这个问题是一个多维回归问题，尽管随机森林得到了较小的均方误差，但是神经网络在保留目标标签的某些属性时是bette<
浏览 0提问于2018-07-18得票数 0
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
