随机森林预测函数的下标越界误差
是指在使用随机森林算法进行预测时，由于数据处理或算法实现的错误导致数组下标越界的错误。
随机森林是一种集成学习算法，它由多个决策树组成。在预测过程中，随机森林会对每个决策树进行预测，并根据投票或平均值的方式得出最终的预测结果。然而，如果在预测过程中出现下标越界的错误，会导致程序崩溃或得到错误的预测结果。
下标越界误差可能由以下原因引起：
- 数据处理错误：在使用随机森林进行预测之前，需要对输入数据进行处理和特征提取。如果在处理数据时出现错误，例如错误地选择特征或未正确处理缺失值，可能会导致下标越界的错误。
- 算法实现错误：随机森林算法的实现过程中，可能存在编程错误或逻辑错误，导致在预测过程中出现下标越界的情况。
为了避免随机森林预测函数的下标越界误差，可以采取以下措施：
- 数据预处理：在使用随机森林算法进行预测之前，对输入数据进行预处理，包括特征选择、特征缩放、处理缺失值等。确保输入数据的质量和完整性。
- 数据验证：在进行预测之前，对输入数据进行验证，确保数据的维度和范围符合算法的要求，避免出现下标越界的错误。
- 算法实现检查：对随机森林算法的实现进行仔细检查，确保代码逻辑正确，并进行充分的测试和验证。
- 异常处理：在预测过程中，添加适当的异常处理机制，捕获可能出现的下标越界错误，并进行相应的处理，例如输出错误信息或返回默认值。
腾讯云提供了一系列与机器学习和数据处理相关的产品和服务，例如腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）、腾讯云数据处理平台（https://cloud.tencent.com/product/dp）、腾讯云人工智能开放平台（https://cloud.tencent.com/product/ai）等，可以帮助用户进行数据处理、机器学习和预测任务。
相关·内容
1回答
随机森林中各树的平均绝对误差
、、、、
我使用weka的评估类来计算随机森林中每棵树的平均绝对误差。解释说“指数字类的预测值的误差，以及名义类的预测概率分布的误差。”
有人能用简单的语言来解释吗?或者用一个例子来解释？
浏览 2提问于2013-10-17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。假设我在随机森林中有N棵树，我将得到多少predicted-values？
predicted的结果可以作为OOB的预测误差吗？假设我的第一个树( predicted )的值是rf$predicted[i]。第一棵树的OOB错误是由(rf
浏览 1提问于2020-03-17得票数 1
回答已采纳
我已经应用随机森林的训练数据，其中有大约100个特征。现在，我想应用特征选择技术，以便在对数据应用随机森林模型之前减少特征的数量。如何使用varImp函数(从插入符号包)来选择重要的特性？我读到varImp本身使用一些分类方法来选择特性(我发现这非常违背直觉)。如何应用varImp来获取重要的特征子集，然后在应用随机森林分类算法时可以使用？
浏览 0提问于2015-05-04得票数 0
回答已采纳
1回答
我尝试将随机森林与我的数据集相匹配，以在控制组和阿尔茨海默组之间进行分类。在第一次尝试中，我得到了左侧的OOB错误图，在第二次尝试中，我减少了数据集中的变量数量，得到了右侧的OOB错误图。我的问题是比较这两个图，哪个是更好的OOB图? Alzhemier和Control的类误差是否应该接近森林的OOB曲线？如果是，为什么？
浏览 23提问于2018-02-05得票数 2
回答已采纳
我对随机森林回归有一个深刻的理解。目标是一个大学项目:我们要用R中的财务数据做随机森林回归分析，我已经读了很多小时的随机森林例子，它们大多是分类类型，比如预测股票价值是上升还是下降。万一退步，我就站在线上。我的想法如下：
如果我有如下结构的数据集：
Date | Open | High | Low | Close | Volume
...I可以添加一些技术仪器，如RSI、SMA等。
然后将数据集分解为训练和测试数据，执行随机森林过程，并对测试数据进行预测。但这真的是随机森林回归分析的目的吗？我猜一个“正确的”回归分析是比较两只股票，看看它们是否相关，根据另一只股票预测一只股票的价值--但在没有
浏览 0提问于2021-11-29得票数 2
1回答
我正在比较一些模型，以获得最好的模型。现在，我想得到随机森林模型的OOB误差，并将其与其他模型的交叉验证误差进行比较。我能做个比较吗？如果可以，如何通过R代码获取OOB错误？
浏览 1提问于2017-12-24得票数 2
我正在运行以下代码：
from sklearn import neighbors
import numpy as np
import pandas as pd
X = pd.DataFrame(np.random.randn(50, 4), columns=list('ABCD'))
y = pd.DataFrame(np.random.randn(50, 1), columns=list('T'))
KNN_ = neighbors.KNeighborsRegressor(n_neighbors=20, weights='distance').
浏览 1提问于2018-06-17得票数 0
回答已采纳
我想知道如果我使用R-package randomForest在随机森林模型中包含两个级别的变量，实际会发生什么。我熟悉在多级数据上使用逻辑回归，其中您必须指定级别。随机森林也有类似的东西吗？或者，我是否可以将国家级变量和个人级变量放在同一随机森林模型中，并比较所有变量的重要性？
会很感谢你的帮助的。
浏览 1提问于2017-05-21得票数 2
如果我将随机森林模型应用于R中的训练集，
forest = randomForest(y ~ ., data = dat)
pred1 = predict(forest, newdata = dat)
pred2 = forest$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集的均方根误差(出袋误差)？
谢谢!
浏览 1提问于2018-11-17得票数 0
1回答
我应该让RMSE在三种模式下进行比较，以确定哪一种比其他的更好。我应该运行的模型是生存决策树、随机生存林和套袋。我一直在运行我的模型，但最后我只有一些预测。我带来了随机生存森林，结果如下。我该怎么做才能得到RMSE？
library(survival)
library(randomForestSRC)
dataset<-data.frame(data)
dataset
n.sample=round(0.5*nrow(dataset))
dataset1=sample (1: nrow(dataset),n.sample)
train=data[dataset1,]
test
浏览 1提问于2020-12-14得票数 0
回答已采纳
在随机森林中，predict()和predict_proba()给出了不同的roc_auc_score。 我知道predict_proba()给出了概率，比如在二进制分类的情况下，它会给出两个对应于两个类的概率。predict()给出它所预测的类。 #Using predict_proba()
rf = RandomForestClassifier(n_estimators=200, random_state=39)
rf.fit(X_train[['Cabin_mapped', 'Sex']], y_train)
#make
浏览 516提问于2019-05-31得票数 1
回答已采纳
1回答
我是机器学习的新手，我正在努力消除随机森林中的袋外错误及其使用。
假设我们有一个数据集。首先，我们使用整个数据集(不分裂它)得到一个随机森林及其袋外错误。然后对数据集进行分割，在训练部分进行神经网络训练，并在数据集的测试部分进行测试。
通过比较随机森林的包外误差和神经网络的总检验误差，可以在这两种模型之间进行选择吗？说得通吗？
浏览 0提问于2020-09-03得票数 1
回答已采纳
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, random_state=seed)
results = cross_validation.cross_val_score(model, X, Y, cv=kfold)
print(results.mean())
浏览 0提问于2018-10-11得票数 2
我正在做一个二进制分类的kaggle竞赛。我想输出概率输出(软标签--介于0和1之间的某个值)，而不是只输出0和1。使用随机森林分类器
浏览 1提问于2021-03-25得票数 0
2回答
从商业角度来看，假阴性导致的成本(真正的金钱)大约是假阳性的十倍。给出我的标准二进制分类模型(logit，随机森林等)，我如何将其合并到我的模型中？
我必须改变(权重)损失函数以支持‘首选’误差(FP)吗？如果是这样，如何做到这一点？
浏览 0提问于2018-03-07得票数 18
回答已采纳
1回答
我是R的随机森林的新手，我正在尝试做一个预测。我使用以下代码构建了一个随机森林模型，它工作得很好
library(randomForest)
RF_model = randomForest(trainrows[,col_truth]~.
,data = trainrows[,cols_to_use]
,ntree=100
,do.trace=T)
如果我打印出RF_model，我会得到以下输出
Call:
randomForest(formula = trainrows[,
浏览 0提问于2014-06-27得票数 0
我已经用基于对象的图像分析绘制了一个区域。这导致了2000图像对象(多边形)，我想根据他们的属性(光谱，RGB数据，形状，大小等)进行分类。
我已经将数据保存为一个.csv，以便在'Randomforest‘包中使用。
我已将“生境级别”作为数据中每个对象(1、2、3、4、5、6)的六个因素之一。所附csv的例子。
我想要做的是运行随机森林来预测每个图像对象的"Habitat_Level“(列: OBJECT_ID)。
因此，我需要的结果将使用"Habitat_Level“(从随机森林生成)填充”预测“列，该列使用OBJECT_ID来区分对象。
我已经运行了随机森林，
浏览 4提问于2022-03-08得票数 0
回答已采纳
1回答
我在R中运行了随机森林模型，现在我把它称为预测数据集
predict.rf<-predict(layers.stack,random.forest, na.rm=T, type='response')
然而，它带来了一个错误，如下：
UseMethod中的错误(“预测”)：没有适用于类c(‘随机森林公式’，‘randomForest’)‘预测’的方法。
有人知道如何纠正这个错误吗？
问候
浏览 1提问于2019-02-11得票数 1
我在scikit-learn中使用了随机森林。我使用feature_importances_来查看每个特征在预测目标中的重要性。但我不明白这个分数是多少。谷歌feature_importances_说，这是平均减少杂质。但我仍然不明白这是否等同于平均减少gigi杂质。如果是这样的话，如何计算树木和随机森林？除了数学之外，我还想真正理解它的含义。
浏览 3提问于2015-09-05得票数 2
1回答
威卡退耕还林
、、、、
我正在使用Weka，并希望对随机森林进行回归。具体来说，我有一个数据集：
Feature1,Feature2,...,FeatureN,Class
1.0,X,...,1.4,Good
1.2,Y,...,1.5,Good
1.2,F,...,1.6,Bad
1.1,R,...,1.5,Great
0.9,J,...,1.1,Horrible
0.5,K,...,1.5,Terrific
.
.
.
我不想学习预测最有可能的类，而是学习给定特征向量在类中的概率分布。我的直觉是，仅在Weka中使用RandomForest模型是不合适的，因为它将试图最小化其绝对误差(最大似然)而不是其平方误差(条
浏览 5提问于2012-11-07得票数 2
回答已采纳
1回答
对MSE错误的混淆
、、、、
我建立了一个随机森林回归模型并计算了我自己的误差。我还想计算MAE、MSE和RMSE，以便将我的结果与类似的用例进行比较。我对结果感到困惑，因为结果要小得多。
我使用的随机森林回归器函数是默认的。所以我只是好奇有没有人能解释我的MAE，MSE，RMSE？还是我做错什么了？
# Random Forest Regressor trainieren
random_state = 42
rf.fit(X_train, y_train)
这是我自己的错误的结果：
Testset size: 19688
mean error(AVG): 0.10146151388130142
median error
浏览 0提问于2020-01-25得票数 3
1回答
我目前正在实施一个预测模型。整个过程建立在回归的基础上。第一种模型是基于Keras的LSTM网络，第二种是基于sklearn的随机森林模型。
对于这两个模型，我使用相同的输入值和目标变量。LSTM网络的预报更接近实际观测值(较好的rmse和r2) (可能是由于记忆/回溯)，但随机森林模型提供了更好的高度和深度。随机森林模型似乎发现了比LSTM模型更好的依赖关系。
LSTM：
📷
随机-森林：
📷
LSTM模型理解更好的依赖关系的最佳方法是什么？我应该使用来自LSTM + RF的集成或叠加方法吗？说得通吗？
浏览 0提问于2018-05-20得票数 0
2回答
我用随机林中的二进制目标类来拟合数据集。在python中，我可以通过随机森林分类器或随机森林回归器来实现。
我可以直接从随机森林分类器得到分类，也可以先运行随机森林回归器，得到一组估计概率。然后，我可以找到一个截止值，从概率集合中导出预测的类。这两种方法都可以达到相同的目标(即预测测试数据的类)。
我也能观察到
randomforestclassifier.predict_proba(X_test)[:,1])
是不同的
randomforestregressor.predict(X_test)
所以我只想确认这两种方法都是有效的，那么哪一种在随机森林应用中更好呢？
浏览 0提问于2017-01-05得票数 0
我遇到了一个问题，我试图估计一个给定一组特征的数字。这个数字从160到240不等。
我是否可以用范围( 160-165、166-170、171-175等)标记数据，然后使用随机森林进行分类？
使用线性回归的vs的利弊是什么？
这似乎有点好，因为我会对随机森林方法的概率/信心。
浏览 0提问于2017-10-15得票数 -1
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的。因此，我想知道，如果把这两个模型放在一起，我会得到一个较低的MSE，同时保留一些属性。值得一试吗？还是会彻底过火呢？
浏览 0提问于2018-07-18得票数 0
1回答
使用SKLearn的RandomForestRegressor在一个集合(数据)的列'sales‘上建立一个随机森林，如何找到拟合后的出袋误差；以及python中的交叉验证分数？我在努力
from sklearn.ensemble import RandomForestRegressor
rlf = RandomForestRegressor(n_estimators=100, max_depth=None, max_features='auto', max_samples=None, oob_score=False)
rlf.fit(data, data['
浏览 0提问于2021-03-13得票数 0
下面的代码形成了一个简单的基于规则的分类数据集：
# # Data preparation
data = data.frame(A = round(runif(100)), B = round(runif(100)), C = round(runif(100)))
# Y - is the classification output column
data$Y = ifelse((data$A == 1 & data$B == 1 & data$C == 0), 1, ifelse((data$A == 0 & data$B == 1 & data$C == 1
浏览 2提问于2016-07-25得票数 7
回答已采纳
1回答
R分类
、、、
我有一个具有二进制目标的数据集(好客户端与坏客户端)。对于每个客户端，我有一个包含许多变量的行(~150)。
我想做以下几点：
建立对坏客户的预测
计算一个客户有多差的分数。
我想用随机森林来预测，用logistic回归来预测分数(坏的概率，它的分数在0到1之间)。
我有以下问题：
随机森林不支持缺失的值。从技术上讲，我知道如何告诉R来计算或忽略丢失的值(我在使用包随机森林时会得到一个错误消息)。
在logistic回归中，如何获得各学科的得分(成为不良客户的概率)。
一般来说，如果我想在R中拟合一个模型，就像在随机森林包中那样，并且我需要一个类似于：Y~X1+X2
浏览 1提问于2016-06-12得票数 0
3回答
据我所见，人们对此意见不一。最佳实践肯定会要求使用交叉验证(特别是如果将RFs与同一数据集上的其他算法进行比较的话)。另一方面，原始源指出在模型训练过程中计算OOB误差是测试集性能的一个指标。就连特雷弗·哈斯蒂( Trevor Hastie )在最近的一次会谈中也表示，“随机森林提供免费交叉验证”。直觉上，这对我来说是有意义的，如果训练和试图改进一个数据集上基于射频的模型。
有人能不能列出赞成和反对与随机森林交叉验证的理由？
浏览 0提问于2015-07-20得票数 34
我感兴趣的是，当OOB被用于二进制分类任务时，当它被用于一个不平衡的样本时，就会使用sklearn来寻找随机森林的OOB评分。在随机森林中，oob决策函数意味着什么，以及如何从它得到类预测？
我读过RandomForestClassifier OOB评分法，但仍然不清楚。oob决策函数是否提供类概率，如果是，我是否通过取较高的数字来获得类预测(例如，执行类似于pred_train = np.argmax(forest.oob_decision_function_，axis=1)的操作)？
由于我的课程是不平衡的，我不能在这里使用sklearn的默认OOB分数，我应该这样做从OOB预测中得到某种
浏览 0提问于2021-01-30得票数 1
回答已采纳
1回答
我一直在学习Andrew Ng的机器学习课程，刚刚完成了学习曲线课程。我为我创建的逻辑回归模型创建了一条学习曲线，它看起来训练和CV分数收敛，这意味着我的模型可以从更多的功能中受益。我怎么能对随机森林这样的东西进行类似的分析呢？当我在sklearn中使用相同的数据为随机森林分类器创建学习曲线时，我的训练分数保持在非常接近1的水平。我需要使用不同的方法来获得训练误差吗？
浏览 1提问于2016-06-15得票数 0
2回答
在Andrew的机器学习课程之后，我想尝试一下他绘制学习曲线的方法(成本与样本的数量)，以评估是否需要更多的数据样本。然而，对于随机森林，我对如何绘制学习曲线感到困惑。随机森林似乎没有一个基本的成本函数，例如，线性回归，所以我不确定在y轴上具体使用什么。
浏览 5提问于2016-03-24得票数 1
回答已采纳
1回答
我有一个随机森林模型。使用getTree函数，我可以获得在我的随机森林模型中创建的所有树。现在我想检查一下每棵树对一些观察结果所做的预测。出于这个原因，我需要使用我的随机森林模型中的每棵树进行预测。 我发现这个问题的目的是一样的。但是，不幸的是，这个问题还没有得到回答。 https://stackoverflow.com/q/40875489/3834837 有什么建议吗？
浏览 36提问于2019-09-20得票数 0
1回答
我正试图确切地了解元随机森林分类器是如何确定最终预测的，我知道存在一个投票系统，并且使用决策树的聚合来找到最终的预测，我从这里读到：Python中的随机森林分类：
随机森林是一种集合决策树算法，因为在回归问题中，最终预测是每个决策树预测的平均值；在分类中，它是最频繁的预测的平均值
我阅读了RFC源代码：合奏/森林：
输入样本的预测类别是森林中树木的投票，按其概率估计进行加权。也就是说，预测类别是平均概率估计值最高的一类。
这是否意味着，例如：
📷
我们有3类(A，B，C)的估计器，每棵树都有一定数量的最终叶节点，并有一个类预测；
A类、B类或C类的概率是叶节点预测A类的次数的结果，即Tree1
浏览 0提问于2019-04-30得票数 5
回答已采纳
1回答
随机森林预测
、、、
比方说，我想对员工是否会流失进行分类。在我的随机森林中，我有6种估计量，其中3种是预测员工流失的，另一种是预测员工保留的。简而言之，3种估计量=预测会产生波动，3种估计量=预测将保持。
我知道，随机森林的工作方式是为每个班级获得最多的选票，或者通过获得模式来实现。
问题是在这种情况下，随机森林是如何预测的？
浏览 0提问于2019-07-31得票数 1
回答已采纳
我可以使用随机森林的预测函数吗？使用随机森林创建回归模型的PFB我的代码
Subsales<-read.csv('Sales.csv')
head(Subsales)
样本DataSet
Date SKU City Sales
<date> <chr> <chr> <dbl>
1 2014-08-11 Vaseline Petroleum Jelly Pure 60
浏览 1提问于2017-04-04得票数 0
回答已采纳
我正在为XGBoost使用sklearn包装器。我没有找到一个清晰的解释，说明predict_proba()输出的概率是如何计算出来的。
例如，在随机森林中，我知道它反映了属于这个类别的样本在所有树木的相关叶子中所占比例的平均值。
但是，在XGBoost中，我无法理解文档或代码中的计算。不是应该给每棵树不同的重量吗？
浏览 0提问于2017-03-19得票数 6
1回答
我用python编写了一个程序，使用机器学习算法对数据进行预测。我使用Scikit学习中的函数RandomForestClassifier来创建一个随机森林来进行预测。
该程序的目的是预测未知的天体物理源是脉冲星还是agn；因此它在已知数据上训练森林，然后对未知数据进行预测，但它不起作用。该程序预测未知数据都是脉冲星或全agn，它很少预测不同的结果，但并不正确。
下面我将描述我的程序的段落。
它创建了一个包含所有源数据的数据框: all_df它由十列组成，其中九列用作预测，一列用作目标：
predictors=all_df[['spec_index','variab_i
浏览 1提问于2016-08-18得票数 0
我试图在partykit包中使用基于模型的回归树来构建一个随机森林。我使用mob()函数构建了一个基于模型的树，其中包含一个用户定义的fit()函数，该函数在终端节点返回一个对象。
在partykit中有cforest()，它只使用ctree()类型树。我想知道是否可以修改cforest()或编写一个新函数，该函数从基于模型的树构建随机森林，该树在终端节点返回对象。我想使用终端节点中的对象进行预测。任何帮助都是非常感谢的。提前谢谢你。
编辑:我所建的树与这里的-> 相似
如何使用类似于上述答案的树来建立随机森林？
浏览 2提问于2020-08-26得票数 2
回答已采纳
假设我有一个随机森林模型，模型的残差是自相关的。这有问题吗？
作为一个例子，让我们假设我有两个不同的随机森林模型，A和B，具有相似的预测性能。模型A的残差比模型B的残差小，我应该更喜欢模型A吗？
浏览 0提问于2020-08-28得票数 4
回答已采纳
2回答
随机森林中的树细节
、、、
我正在寻找python或R中的随机森林包，它可以让我获得最终构建的森林的一些细粒度的细节。特别是，我要：
获取树的一些表示；
对于森林中的每一棵树，都要对其与数据的匹配程度(如熵)进行全面的测量；
对于训练集中的每一项记录和森林中的每一棵树，记录它最后落在哪一片叶子中；以及
对于一个新的记录，对于森林中的每一棵树，记录它最后会落在哪一片叶子上。
我意识到(4)的解决方案也可以作为(3)的解决方案，但我猜想(3)应该是相对容易的，因为在森林生长的过程中保持对结果的跟踪。
我仔细研究了R和python中的可用选项，但我找不到一个现成的例程来提供所有这些需求。(很难找到一个满
浏览 1提问于2016-06-07得票数 0
滑雪板随机森林文档页面显示
唯一支持的标准是均方误差的“mse”。
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，所以我觉得奇怪的是，只有mse支持像随机森林这样重要的方法。
浏览 2提问于2014-07-17得票数 3
给定一个随机森林模型y ~ x1 + x2，是否有可能将y的值传递给该模型，并获得x1和x2的可能结果？ 举个简短的随机例子： require(randomForest)
mydf <- data.frame(y = c(1, 5, 6, 8, -1, -4), x1 = c(2, 8, 7, 10, 3, 0), x2 = c(18, 24, 26, 30, 15, 12))
myrf <- randomForest(y ~ ., data = mydf) 有没有一种方法可以反向计算随机森林模型的预测值？
浏览 44提问于2020-08-05得票数 0
1回答
我正在运行一个二进制随机森林分类模型，我需要知道模型中使用的每个独立变量的最佳可能/最优范围，这些变量驱动了最佳的类分离。这有可能吗。如果没有射频，还能有其他分类器吗？
浏览 0提问于2022-08-01得票数 0
我有一个相当大的数据集，每个变量都有不同程度的缺失。我希望在这个数据集的不同组合上运行随机森林，基于丢失，然后对OOB误差对缺失阈值的敏感性进行分析。如何获得整个森林的OOB错误？
浏览 0提问于2019-06-29得票数 0
回答已采纳
1回答
我想知道我们的模型的变量重要性，它建立在3个模型(随机森林，深度学习和梯度增强树)上。我知道你应该使用“树的重要性权重”来评估随机森林的变量重要性。但是，您如何评估这三个模型组合的变量重要性？ 提前感谢！
浏览 30提问于2019-12-06得票数 1
我正在尝试使用不同的分类算法，比如随机森林，支持向量机，AdaBoost来构建一个二进制分类系统。我想使用这些分类器的输出来可视化一个分数。例如，在使用随机森林时，我想使用属于A类的样本的概率来构建一个从0到100的分数。假设随机森林输出一个概率(从0到1)，使用它，因为得分是直观的(我只需将它乘以100)。然而，考虑到SVMs输出的是一个分类，而不是一个概率输出(即到超平面的距离，而不是概率)，那么将到超平面的距离作为某种“伪概率”来使用是否合法？例如，我会对所有样本在超平面的距离上做最大-最小标度，所以所有的距离都是从0到1。
我想要确定，我可以用超平面的距离作为一个伪概率，并且这个伪概率
浏览 0提问于2016-12-07得票数 5
回答已采纳
1回答
我不得不比较支持向量机和随机森林算法，但是我搞不懂如何比较它，比如支持向量机是监督学习算法，随机森林是集合学习算法。帮助我如何比较它在哪一点上像-在分类，在回归。
浏览 0提问于2020-04-17得票数 0
回答已采纳
2回答
我使用随机森林回归问题来预测给定一组Test(新特性值)的Test标签值。该模型已在给定的列车-X(特征)和列车-Y(标签)上进行训练.R的"randomForest“很好地帮助我预测测试-Y的数值。但这不是我想要的。
不只是一个数字，我想使用随机森林产生一个概率密度函数。我找了好几天的解决方案，到目前为止，我发现：
"randomForest“不产生回归的概率，而只是在分类上。(通过“预测”和设置type=prob)。
使用"quantregForest“提供了一种制作和可视化预测间隔的好方法。但还是没有概率密度函数！
关于这件事还有其他想法吗？
浏览 3提问于2016-02-19得票数 3
回答已采纳
2回答
我正在尝试一个分类项目。我已经把我的20000号数据分成了训练和测试集。在训练集上，我进行了分类选择，包括knn、随机森林和gbm。这些给我大约20%-30%的准确性在最好。对于每个样本，我生成每个类的概率，并建立一个新的模型。
Knn proba 1 knn proba 2.随机森林proba 1等
在此基础上，我运行了一个随机森林分类器，它对测试集的准确率为90%。
太棒了！。。但是当我对新的数据使用这个模型时，精度很低。
在某种程度上，这感觉像是一个过度适应的情况，但当然测试集也应该是差的。
为什么测试数据如此好而新数据却如此糟糕..。我做错了什么？
谢谢克里斯
浏览 0提问于2015-08-16得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
