random-forest - 使用随机森林进行变量选择的合适方法

问题描述

我正在使用随机森林运行回归模型，并且我想选择一组仍然可以实现良好模型性能的简约预测变量。为此，我运行了一个模型选择例程，包括两个步骤：我首先运行一个完整的模型并根据重要性对变量进行排名（我将重要性衡量为准确性的降低）。其次，我从完整模型中取出最重要的预测器，然后逐渐添加所有剩余的预测器，一次一个。通过这样做，我看到哪个预测器基于方差解释的改进最好地改进了建模结果，从而建立了一个新的简约模型。我反复重复这个程序，直到不能实现超过 2% 的方差改善。我已经读到大量可变 RF 选择方法是基于 OOB 误差的减少而不是通过检查方差改进，因此我不确定我是否选择了合适的方法。有人可以发表意见吗？谢谢

标签： random-forest

random-forest - 使用随机森林进行变量选择的合适方法

问题描述

解决方案

推荐阅读