1回答
我知道seed一般是用来让我们重现相同的结果。但是，在随机森林部分设置种子实际上是做什么的。它是否改变了R中randomForest()函数的任何参数，如nTree或sampSize。我每次都为我的随机森林模型使用不同的种子，但我想知道不同的种子如何影响随机森林模型。
浏览 0提问于2016-03-30得票数 6
1回答
我想澄清一下随机森林文献中的观点。在随机森林中，我们从一个数据子集中选择随机特征，即从单个树的数据子集中选择特征子集。但是当我们测试数据时，让我们从测试数据中获取一个测试样本'v‘。第一棵树是利用特征3和2构建的。第三棵树是利用特征1、2和3构建的。在叶节点，我们将有概率显示
浏览 0提问于2018-06-03得票数 1
1回答
在随机forest..each中，随机抽取子集来建树。但是，我们如何才能注意到我们采用的是一个独特的子集。有什么机制可以做到这一点吗？
浏览 9提问于2017-03-03得票数 0
1回答
我正在学习随机森林回归模型。我知道它形成了许多树(模型)，然后我们可以通过平均所有树的结果来预测我们的目标变量。我对决策树回归算法也有一定的了解。我们怎样才能形成最佳的树木数量呢？例如，我有一个数据集，其中我正在预测人员工资，而我只有两个输入变量，分别是“经验年限”和“绩效得分”，那么使用这样的数据集我可以形成多少随机树？随机森林树依赖于输入变量的数量吗？任何好的例子都会受到高度赞赏.. 提前感谢
浏览 127提问于2019-06-08得票数 1
我正在开发"randomForest“R包，以更改森林中树节点上特征子集选择的采样方法。目前，随机森林使用简单的随机采样来实现这一点。我尝试使用以下命令查看R代码getAnywhere(randomForest.default)
但是找不到选择了"mtry“特征的相关代码块。
浏览 12提问于2017-07-26得票数 1
回答已采纳
我正在尝试改变随机森林算法在为每个节点设置特征时所使用的方式。在Scikit-learn方式中实现的原始算法是随机子集。我想从几个子集的几个选项中为每个新节点定义哪个子集。有没有直接的方法来控制这样的方法呢？如果没有，有没有办法更新Scikit-learn的相同代码？如果是，您认为源代码中的哪个函数应该更新？
浏览 0提问于2015-07-02得票数 2
我选择的特点，以建立一个流失预测模型。使用RandomForestClassifier，我获得了0.9517的精度，它显示了作为其中一部分的16个特性。然而，如果我用RandomForestClassifier分别使用相同的16个特性列表来拟合一个模型，那么它的精度分数为0.8714，为什么我使用了SequentialFeatureSelector所选择的相同的特征列表，但精度分数却有很大的差异？
浏览 2提问于2019-01-29得票数 1
1回答
据我所知，来自ExtraTreesRegressor的sklearn的工作方式是进行随机分割，而不是最小化一个度量，比如gini用于分类，mae用于回归。我不明白为什么有一个criterion参数，因为分裂的标准应该是随机的。
这只是为了代码兼容性，还是我遗漏了什么？
浏览 2提问于2020-06-17得票数 1
回答已采纳
1回答
在随机森林方法中，对于每棵树，我们随机选择一组固定大小的变量(特征)。但是，一旦为该特定树冻结了该集合，该树的行为是否与常规决策树算法类似？我假设随机森林只是生成一堆经典的“决策树”，并将它们的投票推向最终的分类。真的是这样吗？
这是否意味着在树中的每个节点，我们从为该树固定的变量集中随机选择m个变量？还是来自训练数据集的全局变量集？然后从选择的一组变量中，我们启
浏览 1提问于2017-04-08得票数 1
我正在使用随机森林，我想知道特性选择是如何工作的。我有一组423个特性，我知道它们是随机选择的，使用log2(F)+ 1，所以这样我就得到了一个12/13的特征子集。但我无法理解的是，选择的随机性有多大，对于每棵树，这些子集是否应该是不同的，或者对于所有的树，子集是否是相同的，但不同的是多个组合。如果我有一个有10棵树的</em
浏览 4提问于2014-12-12得票数 0
在Scikit-learn的随机森林中，您可以设置bootstrap=True，每一棵树都会选择一个样本子集来进行训练。有什么方法可以看出每棵树都使用了哪些样本？我浏览了文献资料关于树估计器和所有由Scikit-learn提供的树的属性，但是它们似乎都没有提供我想要的东西。
浏览 0提问于2021-04-18得票数 3
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。假设我
浏览 1提问于2020-03-17得票数 1
回答已采纳
假设我们有5个特征，那么决策树将在第一步中选择最优的特征，并在这个特征上选择最佳的阈值来分割数据集，然后继续使树更深。best的定义是分类误差最小的。我的问题是:既然决策树在每一步都会选择最佳的特征来分割，那么为什么随机森林(也就是许多决策树)是对决策树的改进？一个决策树不就足够了吗？更新
我的意思是:如果你有一个decision tree classifier和一个参数相同的random forest classi
浏览 0提问于2019-05-01得票数 2
6回答
随机森林sklearn
、、、
我对随机森林是否需要显式交叉验证感到困惑？在随机森林中，我们有现成的样本，这可以用于计算测试精度。是否需要显式交叉验证。在随机森林中显式使用CV有什么好处吗？基于下面的代码，我发现很难理解随机森林中的CV是如何工作的：
model = BaggingClassifier(base_estimator=cart, n_estimators=num_trees,
浏览 0提问于2018-10-11得票数 2
随机森林中的out - of - bag错误是什么？它是在随机森林中找到正确数量的树的最佳参数吗？
浏览 1提问于2013-08-31得票数 71
回答已采纳
我了解到Sklearn将多类分类问题视为二进制问题的集合。引用Sklearn用户指南：
在将二进制度量扩展到多类或多标签问题时，数据被视为二进制问题的集合，每个类都有一个问题。因此，像LogisticRegression或支持向量矩阵这样的二进制分类模型可以通过使用1-VS-1或1-VS-Rest策略来支持多类情况。在Sklearn中的其他分类器呢?在处理多类问题时，它们是否都被用作隐藏的二进制分类器？
浏览 9提问于2021-06-02得票数 0
回答已采纳
我很难理解这两个使用scikit的步骤是否相似：
1)使用compute_importance=True进行RandomForestClassifier，并手动选择返回的前10个特征，进一步创建10个特征的新训练集2)使用max_feature=10 compute_importance=True进行RandomforestClassifier，并进一步使用rf.fit_transform(训练，目标)和进一步的rf.fit
浏览 2提问于2013-06-28得票数 1
我需要提出一个公式，以N输入，并计算一个单一的数字，应该预测“正确”的答案尽可能多。每个输入都是一个十进制值或整数。输出也是十进制值。这些特征都是相互关联的(例如，当一个是高的时候，另一个更有可能是低的)，它们与答案有不同程度的关联。没有“完美的”公式，但在许多有统计意义的案例中，应该有一个是正确的</
浏览 3提问于2012-07-03得票数 3
我将不同林区不同鸟类的缺席数据作为响应变量。作为预测变量，我有森林的大小和每个森林记录的树木数量。
我想把森林作为一个随机因素来考虑我们无法测量的变量。我怎样才能做到这一点呢？使用混合效果逻辑回归是最好的吗？
浏览 6提问于2021-10-05得票数 1
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
