machine-learning - 如何获得随机森林算法在自变量上使用的最终方程来预测因变量？

我正在优化基于制造的数据集，该数据集由大量可控参数组成。目标是获得这些参数的最佳运行设置。

我在进行研究时熟悉了几种预测算法，如果我说，使用随机森林来预测我的因变量以了解每个自变量的重要性，有没有办法提取算法使用的最终方程/关系？

我不确定我的问题是否足够清楚，如果我可以在这里添加任何其他内容，请告诉我。

标签： machine-learningrandom-forest

没有一般的方法可以从随机森林中获得可解释的方程，解释协变量如何影响因变量。为此，您可以使用更合适的不同模型，例如线性回归（可能带有核函数）或决策树。请注意，您可以使用一个模型进行预测，一个模型进行描述性分析 - 没有固有的理由坚持使用单个模型。

使用随机森林预测我的因变量以了解每个自变量的重要性

了解每个因变量的重要性并不一定意味着您需要问题标题中的问题，即获得实际关系。大多数随机森林包都有一种方法，可以量化每个协变量对训练集上的模型的影响程度。