Dự đoán dữ liệu đếm với rừng ngẫu nhiên

Một khu rừng ngẫu nhiên có thể được đào tạo để dự đoán một cách thích hợp dữ liệu đếm? Làm thế nào điều này sẽ tiến hành? Tôi có khá nhiều giá trị để phân loại không thực sự có ý nghĩa. Nếu tôi sử dụng hồi quy, tôi chỉ cần cắt bớt kết quả? Tôi khá lạc lối ở đây. Có ý kiến ​​gì không?

Có một gói R được gọi là mobForestcó thể phù hợp với một khu rừng ngẫu nhiên thực sự cho dữ liệu đếm. Nó dựa trên mod()(phân vùng đệ quy dựa trên mô hình) trong partygói. Nó thực hiện hồi quy Poisson nếu familyđối số được chỉ định là poisson(). Gói không còn trong kho CRAN, nhưng các phiên bản có sẵn trước đây có thể được lấy từ kho lưu trữ.

Nếu bạn không bị giới hạn trong rừng / đóng bao ngẫu nhiên, một phiên bản tăng cường cũng có sẵn cho dữ liệu đếm. Đó là, gbm(mô hình hồi quy tăng cường tổng quát). Nó cũng có thể phù hợp với một mô hình Poisson.

Tôi thấy một vài khả năng.

• Bạn có thể chuyển phản hồi thành một vài loại tùy ý và sử dụng cây phân loại
• Nếu số đếm thường rất thấp, 0, 0, 0, 1, 0, 3, 0, 2, bạn có thể coi mỗi số nguyên là một lớp và lại sử dụng cây phân loại (có thể không phải là trường hợp của bạn). Trong những trường hợp này, sẽ khó hơn để có được số liệu loại giải thích phương sai cao thay vì hồi quy liên tục.
• Nếu số lượng thường không thấp và có nhiều biến thể, tôi chỉ cần sử dụng nó với cây hồi quy. Ví dụ, sử dụng hồi quy poisson so với hồi quy tuyến tính, chỉ hấp dẫn khi có được một công cụ dự báo tuyến tính tốt. Nếu bạn không thấy khả năng dự đoán tốt với rừng ngẫu nhiên, thì tôi nghi ngờ một mô hình fancier có thể cung cấp dữ liệu đếm cụ thể sẽ giúp ích rất nhiều cho bạn.

Chà, không phải là rừng ngẫu nhiên, nhưng CatBoost hỗ trợ chức năng mất poisson có thể được sử dụng để hồi quy đếm với các cây được tăng cường:

https://tech.yandex.com/catboost/doc/dg/con accept / loss-fifts-docpage /