Rừng ngẫu nhiên cho hồi quy đa biến

Tôi có một vấn đề hồi quy đa đầu ra với tính năng đầu vào và đầu ra. Các đầu ra có cấu trúc tương quan phức tạp, phi tuyến tính. $d_x$ $d_y$

Tôi muốn sử dụng rừng ngẫu nhiên để thực hiện hồi quy. Theo như tôi có thể nói, các khu rừng ngẫu nhiên để hồi quy chỉ hoạt động với một đầu ra duy nhất, vì vậy tôi sẽ phải đào tạo các khu rừng ngẫu nhiên - mỗi khu vực cho mỗi đầu ra. Điều này bỏ qua mối tương quan của họ. $d_y$

Có một phần mở rộng cho các khu rừng ngẫu nhiên có tính đến tương quan đầu ra không? Có lẽ một cái gì đó như hồi quy quy trình Gaussian cho việc học đa tác vụ .

regression multivariate-analysis random-forest

— sergeyf
nguồn

Đây là những gì tôi đã có thể khai thác cho đến nay: scikit-learn.org/dev/modules/tree.html#multi-output-probols

— sergeyf

chắc chắn rồi. tôi có "hình ảnh" chiều cao (thực tế là phổ dI / dV) của các peptide. mục tiêu là tìm ra vị trí và các loại axit amin tạo nên peptide. Cách tiếp cận đầu tiên của tôi là phân đoạn hình ảnh, nhưng CRF và các khu rừng ngẫu nhiên theo pixel đã thất bại. Vì vậy, bây giờ, thay vì nói mỗi pixel "thuộc về" một và chỉ một axit amin (không thực sự đúng), tôi đang gán cho mỗi pixel một giá trị "ảnh hưởng" tương đối từ các axit amin gần đó. điều này dẫn đến biểu đồ chiều cho mỗi pixel. do đó, hồi quy đầu ra nhiều!

d_{y}

$d_y$

— sergeyf

Nó có thể là một câu trả lời muộn màng: trong Crimisini et al. Rừng quyết định: Khung thống nhất để phân loại, hồi quy, ước tính mật độ, học tập đa dạng họ sử dụng RF theo cách có thể phù hợp với bạn để xác định ranh giới các cơ quan.

— Simone

Điều này cũng có thể muộn, nhưng có thể giúp bất cứ ai vấp phải bài đăng này. Rừng ngẫu nhiên có thể dễ dàng được đào tạo bằng cách sử dụng dữ liệu đa biến. Mọi thứ xảy ra theo cùng một cách, tuy nhiên thay vì sử dụng phương sai để tính toán thông tin, chúng tôi sử dụng hiệp phương sai của nhiều biến đầu ra. Và quan trọng hơn, các lá hiện chứa các tệp PDF N chiều.

— masad

Tôi không biết rằng RF "Điều này bỏ qua mối tương quan của họ". Do tính chất đồng bộ của RF, tôi nghĩ rằng họ có thể tính đến các mối tương quan. Nếu họ lấy đầu vào đơn biến và đưa ra đầu ra đơn biến thì họ sẽ không tính đến tương quan.

— EngrStudent - Phục hồi Monica

Đây là một ví dụ về vấn đề hồi quy đa đầu ra được thực hiện với nhận dạng khuôn mặt. Nó bao gồm một mẫu mã hóa, nó sẽ cung cấp cho bạn một khởi đầu với phương pháp của bạn. http://scikit-learn.org/urdy/auto_examples/plot_multioutput_face_completion.html

— cam1
nguồn

Có một gói mới dành riêng cho điều đó (không được thử nghiệm cá nhân)

https://cran.r-project.org/package=MultivariateRandomForest

— MM
nguồn