Tag: 随机森林

R随机森林variables重要性

我正在尝试在R中使用随机森林包进行分类。 列出的variables重要性措施是： 意味着等级0的variablesx的原始重要性分数 意思是等级1的variablesx的原始重要性分数 MeanDecreaseAccuracy MeanDecreaseGini 现在我知道这些“意思”是什么，因为我知道他们的定义。 我想知道的是如何使用它们。 我真正想知道的是，这些价值观的含义只在于它们的准确性如何，价值是什么，价值是什么，什么是最高和最低等等。 如果一个variables具有较高的MeanDecreaseAccuracy或MeanDecreaseGini ，那么这是否意味着它是重要的还是不重要的？ 此外，关于原始分数的任何信息也可能有用。 我想知道所有关于这些数字的知识，这些数字与它们的应用有关。 使用“错误”，“求和”或“置换”这样的词语的解释将不那么有用，那么简单的解释就不会涉及随机森林如何工作的讨论。 就像我想让某人向我解释如何使用收音机一样，我也不会期望这个解释涉及到无线电如何将无线电波转化为声音。

RandomForestClassifier与Scratch中的ExtraTreesClassifier学习

任何人都可以解释scikit学习中RandomForestClassifier和ExtraTreesClassifier的区别。 我花了很多时间阅读报纸： P. Geurts，D. Ernst。和L. Wehenkel，“Extremely randomized trees”，Machine Learning，63（1），3-42,2006 这似乎是ET的差异： 1）在拆分中selectvariables时，从整个训练集中抽取样本，而不是训练集的引导样本。 2）在每次拆分时，样本中的分割值是从样本中随机抽取的。 这两件事的结果是更多的“叶”。

如何确定RandomForestClassifier中的feature_importance？

我有一个时间序列作为数据input的分类任务，其中每个属性（n = 23）代表一个特定的时间点。 除了绝对的分类结果之外，我还想知道哪些属性/date对结果有什么影响。 因此，我只是使用feature_importances_ ，这对我很好。 但是，我想知道他们如何计算和使用哪种度量/algorithm。 不幸的是我找不到关于这个主题的任何文档。

如何在缺失（NA）值的情况下在R中构build随机森林？

我想适应一个随机的森林模型，但是当我打电话 library(randomForest) cars$speed[1] <- NA # to simulate missing value model <- randomForest(speed ~., data=cars) 我得到以下错误 Error in na.fail.default(list(speed = c(NA, 4, 7, 7, 8, 9, 10, 10, 10, : missing values in object

如何从scikit-learn决策树中提取决策规则？

我可以从决策树中的训练树中提取底层决策规则（或“决策path”） – 作为文本列表吗？ 例如： "if A>0.4 then if B<0.2 then if C>0.8 then class='X'等等。 如果有人知道一个简单的方法，这将是非常有帮助的。