Có một triển khai Rừng ngẫu nhiên hoạt động tốt với dữ liệu rất thưa thớt không?

Có một triển khai rừng ngẫu nhiên R hoạt động tốt với dữ liệu rất thưa thớt không? Tôi có hàng ngàn hoặc hàng triệu biến đầu vào boolean, nhưng chỉ hàng trăm hoặc hơn sẽ là TRUE cho bất kỳ ví dụ cụ thể nào.

Tôi còn khá mới với R và nhận thấy rằng có một gói 'Ma trận' để xử lý dữ liệu thưa thớt, nhưng gói 'RandomForest' tiêu chuẩn dường như không nhận ra loại dữ liệu này. Nếu có vấn đề, dữ liệu đầu vào sẽ được tạo ra bên ngoài R và được nhập.

Có lời khuyên nào không? Tôi cũng có thể xem xét sử dụng Weka, Mahout hoặc các gói khác.

Không, không có triển khai RF cho dữ liệu thưa thớt trong R. Một phần vì RF không phù hợp lắm với loại vấn đề này - việc đóng gói và lựa chọn phân tách tối ưu có thể lãng phí phần lớn cái nhìn sâu sắc của mô hình vào các khu vực chỉ có không.

Hãy thử một số phương pháp kernel hoặc tốt hơn là nghĩ đến việc chuyển đổi dữ liệu của bạn thành một số biểu diễn tươi tốt hơn với một số mô tả (hoặc sử dụng một số phương pháp giảm kích thước).

Trên thực tế, có .

nó là xgboost , được tạo ra để tăng cường độ dốc eXtreme. Đây hiện là gói lựa chọn để chạy các mô hình có ma trận thưa thớt trong R cho nhiều người và như liên kết ở trên giải thích, bạn có thể sử dụng nó cho Random Forest bằng cách điều chỉnh các tham số !

Gói R "Ranger" nên làm.

https://cran.r-project.org/web/packages/ranger/ranger.pdf

Việc triển khai nhanh Rừng ngẫu nhiên, đặc biệt phù hợp với dữ liệu chiều cao.

So với RandomForest, gói này có lẽ là triển khai RF nhanh nhất tôi từng thấy. Nó xử lý các biến phân loại theo cách bản địa.

Có một blog tên là Quick-R sẽ giúp bạn những điều cơ bản về R.

R hoạt động với các gói. Mỗi gói có thể làm một cái gì đó khác nhau. Có các gói được gọi là "RandomForests" sẽ chỉ là những gì bạn đang yêu cầu.

Xin lưu ý rằng dữ liệu thưa thớt sẽ gây ra vấn đề cho dù bạn áp dụng phương pháp nào. Theo hiểu biết của tôi, đó là một vấn đề rất mở và khai thác dữ liệu nói chung là một nghệ thuật hơn là một khoa học. Rừng ngẫu nhiên làm rất tốt tổng thể nhưng chúng không phải luôn luôn là phương pháp tốt nhất. Bạn có thể muốn thử một mạng lưới thần kinh với rất nhiều lớp, điều đó có thể giúp ích.