Câu hỏi được gắn thẻ «random-forest»

4

Có nên quan tâm đến đa cộng tuyến khi sử dụng các mô hình phi tuyến tính?

Nói rằng chúng tôi có một vấn đề phân loại nhị phân với các tính năng chủ yếu là phân loại. Chúng tôi sử dụng một số mô hình phi tuyến tính (ví dụ XGBoost hoặc Random Forests) để tìm hiểu nó. Người ta vẫn nên quan tâm đến đa …

13 classification  random-forest  multicollinearity  xgboost 

---

3

Làm thế nào để mô hình dữ liệu lớn theo chiều dọc?

Theo truyền thống, chúng tôi sử dụng mô hình hỗn hợp để mô hình dữ liệu theo chiều dọc, tức là dữ liệu như: id obs age treatment_lvl yield 1 0 11 M 0.2 1 1 11.5 M 0.5 1 2 12 L 0.6 2 0 17 H 1.2 2 …

13 machine-learning  data-transformation  random-forest  panel-data  large-data 

---

1

Đánh giá rừng ngẫu nhiên: OOB vs CV

Khi chúng tôi đánh giá chất lượng của Rừng ngẫu nhiên, ví dụ như sử dụng AUC, liệu có phù hợp hơn để tính các đại lượng này qua các Mẫu ngoài túi hoặc qua bộ xác nhận chéo không? Tôi nghe rằng việc tính toán nó qua các Mẫu …

13 cross-validation  random-forest  auc 

---

3

Là rừng ngẫu nhiên và tăng cường tham số hay không tham số?

Bằng cách đọc mô hình thống kê xuất sắc : Hai nền văn hóa (Breiman 2001) , chúng ta có thể nắm bắt được tất cả sự khác biệt giữa các mô hình thống kê truyền thống (ví dụ: hồi quy tuyến tính) và thuật toán học máy (ví dụ: …

13 machine-learning  data-mining  random-forest  boosting  bagging 

---

3

Rừng ngẫu nhiên trên dữ liệu có cấu trúc đa cấp / phân cấp

Tôi còn khá mới mẻ với máy học, kỹ thuật GIỎI và những thứ tương tự, và tôi hy vọng sự ngây thơ của tôi không quá rõ ràng. Random Forest xử lý các cấu trúc dữ liệu đa cấp / phân cấp như thế nào (ví dụ khi tương …

13 machine-learning  random-forest  multilevel-analysis  cart 

---

1

Rừng ngẫu nhiên và dự đoán

Tôi đang cố gắng hiểu cách Random Forest hoạt động. Tôi có một nắm bắt về cách cây được xây dựng nhưng không thể hiểu làm thế nào Rừng ngẫu nhiên đưa ra dự đoán về mẫu túi. Bất cứ ai có thể cho tôi một lời giải thích đơn …

13 random-forest  prediction 

---

2

Khi nào Đăng nhập / Exp Biến của bạn khi sử dụng Mô hình rừng ngẫu nhiên?

Tôi đang thực hiện hồi quy bằng cách sử dụng Rừng ngẫu nhiên để dự đoán giá dựa trên một số thuộc tính. Mã được viết bằng Python bằng Scikit-learn. Làm thế nào để bạn quyết định xem bạn có nên chuyển đổi các biến của mình bằng cách sử …

13 regression  machine-learning  predictive-models  python  random-forest 

---

3

PCA về dữ liệu văn bản chiều cao trước khi phân loại rừng ngẫu nhiên?

Liệu có ý nghĩa gì khi làm PCA trước khi thực hiện Phân loại rừng ngẫu nhiên? Tôi đang xử lý dữ liệu văn bản có chiều cao và tôi muốn thực hiện giảm tính năng để giúp tránh lời nguyền về chiều, nhưng không phải Rừng ngẫu nhiên đã …

13 classification  pca  random-forest  dimensionality-reduction  high-dimensional 

---

6

Rừng ngẫu nhiên: làm thế nào để xử lý các cấp yếu tố mới trong bộ thử nghiệm?

Tôi đang cố gắng đưa ra dự đoán bằng mô hình rừng ngẫu nhiên trong R. Tuy nhiên tôi gặp lỗi vì một số yếu tố có các giá trị khác nhau trong tập kiểm tra so với tập huấn luyện. Ví dụ: một yếu tố Cat_2có các giá trị …

13 r  categorical-data  random-forest 

---

3

Có một công thức hoặc quy tắc để xác định sampSize chính xác cho RandomForest không?

Tôi đang chơi với RandomForest và nhận thấy rằng việc tăng sampSize thường dẫn đến hiệu suất tốt hơn. Có một quy tắc / công thức / vv cho thấy sampSize tối ưu nên là gì hay nó là một thử nghiệm và lỗi? Tôi đoán một cách khác của …

13 r  random-forest 

---

1

Kinect sử dụng rừng ngẫu nhiên như thế nào?

Tôi đọc trên trang này rằng rõ ràng Kinect sử dụng thuật toán rừng ngẫu nhiên để học máy theo một cách nào đó. Bất cứ ai cũng có thể giải thích những gì nó sử dụng rừng ngẫu nhiên cho, và cách tiếp cận của họ hoạt động?

13 machine-learning  random-forest  application 

---

2

Random Forest có phù hợp với các tập dữ liệu rất nhỏ không?

Tôi có bộ dữ liệu bao gồm 24 hàng dữ liệu hàng tháng. Các tính năng là GDP, đến sân bay, tháng, và một vài thứ khác. Biến phụ thuộc là số lượng khách đến một điểm du lịch nổi tiếng. Rừng ngẫu nhiên sẽ thích hợp cho một vấn …

13 random-forest  small-sample 

---

2

Thực tiễn tốt nhất để mã hóa các tính năng phân loại cho Cây quyết định?

Khi mã hóa các tính năng phân loại cho hồi quy tuyến tính, có một quy tắc: số lượng người giả nên ít hơn một lần so với tổng số cấp độ (để tránh cộng tuyến). Có tồn tại một quy tắc tương tự cho Cây quyết định (đóng gói, …

13 categorical-data  random-forest  cart  boosting 

---

1

Trong Rừng ngẫu nhiên, tại sao một tập hợp con các tính năng được chọn ở cấp nút thay vì ở cấp cây?

Câu hỏi của tôi: Tại sao rừng ngẫu nhiên xem xét các tập hợp con ngẫu nhiên của các tính năng để phân tách ở cấp nút trong mỗi cây thay vì ở cấp cây ? Bối cảnh: Đây là một cái gì đó của một câu hỏi lịch sử. …

12 machine-learning  feature-selection  random-forest  importance  history 

---

5

Làm thế nào để thực hiện việc cắt bỏ các giá trị trong số lượng điểm dữ liệu rất lớn?

Tôi có một bộ dữ liệu rất lớn và thiếu khoảng 5% giá trị ngẫu nhiên. Các biến này có mối tương quan với nhau. Ví dụ R tập dữ liệu sau đây chỉ là một ví dụ đồ chơi với dữ liệu tương quan giả. set.seed(123) # matrix of …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

---