如何用随机森林模型反向计算给定因变量的预测因子？
如何用随机森林模型反向计算给定因变量的预测因子？
提问于 2020-08-05 16:37:52
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？
回答 2
Stack Overflow用户
发布于 2020-08-05 18:52:03
不是的。这样的功能并不存在，我也看不出它为什么会存在。你正在尝试做一些随机森林不是设计来做的事情。但如果你愿意，我不认为你应该这样做，你可以生成一个N-D空间，在这个例子中是x1和x2，它有所有的预测，然后将足够接近y值的区域子集。
Stack Overflow用户
发布于 2020-08-05 18:57:08
长话短说:在大多数情况下都不是。
在不太深入细节的情况下，随机森林或多或少是几个决策树之间的平均值。在大多数情况下，不可能反转决策树。例如，在以下内容中：
如果预测值为4.5，则原始数据可以是低于10.5的任何值(例如，酒精level=0和酒精level=3的预测值为4.5 )。
唯一能够反转树的方法是，如果您碰巧在输入数据的笛卡尔乘积和预测值之间创建了一个双射；但这种情况很少发生(而且可能会过度拟合)。
页面原文内容由Stack Overflow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://stackoverflow.com/questions/63261381
复制相关文章
相似问题
腾讯云开发者
