1回答
因为我想可视化随机森林来实现不同特征之间的相关性，所以我使用export_graphviz()来实现这一目标。，随机森林会产生许多树，这取决于RandomForestClassifier()中n_estimators的数量。random_state= 42,
) 此外，由于DecisionTreeClassifier()使用所有样本只生成一棵树相反，随机</
浏览 9提问于2019-04-17得票数 0
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
因此，我理解随机森林和GB方法之间的主要区别。随机森林生成并行树，而GB方法在每次迭代中都会生成一棵树。但是，我对与scikit的RF回归器和xgboost的Regressor一起使用的词汇表感到困惑。特别是关于调整树/迭代/提升轮数的部分。据我理解，每一个术语都是相同的。它们根据该算法确定一个决策树的计算次
浏览 0提问于2020-04-22得票数 8
回答已采纳
1回答
考虑到随机森林中的单个树使用cart算法(或者可以配置为)，如果cart不能预测任何东西(空树)，那么为什么随机森林在相同的数据集中表现得更好。编辑:我使用的是R (rpart vs randomForest)，数据是股票的每日财务数据。CART给出了空树，但随机森林即使在看不见的数据上也获得了相当的准确性。
浏览 0提问于2020-06-18得票数 2
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
浏览 1提问于2020-03-17得票数 1
回答已采纳
1回答
我使用reprtree包绘制了随机森林树，如下所示，reprtree:::plot.getTree(model23)
但是我不能解释树上的任何东西。有没有任何方法可以减小树的大小，或者有任何其他方法可以用代码在R中绘制一棵<
浏览 20提问于2018-03-05得票数 2
2回答
把一棵树分解成森林
、、、
如何将一棵树分解成森林，使每棵树包含偶数个顶点？我需要随机分解树并检查每个森林吗？我已经创建了邻接矩阵，但无论如何都帮不上忙！
要实现同样的目标，正确的方法应该是什么？
浏览 0提问于2012-09-30得票数 0
回答已采纳
为什么在某些情况下，具有n_estimators =1的随机林执行的性能比决策树差，即使在将引导设置为false之后？尝试使用不同的机器学习模型来预测信用卡的违约率，我尝试了随机森林和决策树，但随机森林的表现似乎较差，然后尝试了只有一棵树的随机森林，因此它应该与决策树相同，但
浏览 9提问于2022-11-03得票数 0
我生成了一个随机森林树，如下所示，我试图绘制它，但得到了一个错误，我在哪里出错了？我如何才能以正确的方式绘制它？
浏览 0提问于2016-11-11得票数 6
1回答
在随机森林方法中，对每棵树随机选择一组固定大小的变量(特征)。但是一旦这个集合被冻结，树是否像一个规则的决策树算法？
我假设随机森林只不过是产生了一堆经典的“决策树”，并对最终的分类进行投票。但是在许多地方，我读到的任何描述似乎都表明了这一点；对于森林中的给定决策树，即使是在每个节点，我们也会
浏览 0提问于2017-04-08得票数 4
回答已采纳
我正在使用matlab 2011 1B中带有“包”的适配函数进行分类，使用以下方法：有人能告诉我们如何选择合适的特征来构建每个决策树吗它是否为每棵树选择了所有特性的子集(就像Breiman的随机森林一样)？还是选择所有的特性来构建每一棵树？例如，如果你是数据集中的500个特征，那么每
浏览 1提问于2013-01-05得票数 0
我使用randomForest包在R中拟合随机森林模型。我想要拟合两个模型，一个具有协变量a、b和许多其他协变量(x1 to xn)，另一个具有协变量a、b和a * 1/b ( a和b的交互作用)加上其他协变量x1 to xn。然而，在第一次拟合中，如果我在随机森林模型中同时具有a和b，并且如果a和b最终都在同一棵树中，则该模型将本质上考虑a和b之间的交互。 有没有可能告诉随机森林模型永远不要在同一
浏览 26提问于2020-07-24得票数 0
回答已采纳
1回答
以下是本文： I关于如何应用XSLT修改带有随机林的PMML文件以执行以下操作的问题：
因此，如果我有一个随
浏览 5提问于2021-07-27得票数 0
4回答
我不清楚有几个概念：随机森林使用来自树的各种样本来创建树。这种方法的优点是什么而不是仅仅使用一棵单数树？
浏览 0提问于2017-10-14得票数 40
回答已采纳
3回答
在随机森林中，我们的估计量是决策树，我们在估计器中进行列(特征)抽样，而不替换估计量，并在估计器之间进行替换。这是非常好的，因为我们试图减少高方差的个别决策树。
但是，行抽样有什么必要呢？通常数据越多，对模型的学习越好，即使我没有任何计算资源限制，为什么我们必须在估计器中对随机森林分类器进行行抽样？
浏览 0提问于2019-03-25得票数 3
也就是说，每个决策树中的每个叶节点都学习一个线性模型。
有人听说过这种模式吗？更好的是，有人知道实现吗？
浏览 0提问于2021-03-15得票数 1
回答已采纳
1回答
这样做的目的是让随机森林中的一棵树与决策树完全相等。dtc.fit(data['data'].squeeze(),data.target)
📷
然后，我们对随机森林做同样的事情None,random_state=
浏览 0提问于2020-01-22得票数 3
回答已采纳
2回答
GBM和随机森林一样，在不同的数据集样本上构建每棵树，因此，遵循集成模型的精神，产生更高的精度。然而，我还没有看到GBM被用于每一棵树的维数抽样，就像随机森林中常见的做法一样。是否有一些测试表明，用GBM进行的尺寸采样会降低其精度，因此无论是在文献形式还是在实际经验中，都避免了这种情况。
浏览 0提问于2014-11-25得票数 8
回答已采纳
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
