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?
问题描述
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。
解决方案
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。
推荐阅读
- ldap - Spring LDAP - 批量查找完整 DN
- nativescript - Nativescript 图片上传
- php - preg_match_all 搜索后如何从多维数组中删除重复项?
- android - 手机启动时如何启动我的应用程序?
- excel - Excel公式打印给定范围内单元格为空的所有列标题
- django - 使用 L10N 在 Django 模板中为一种语言指定日期格式
- r - 从 R 中的 heatmaply 集群中获取属于每个集群的行名
- git - Git - 如何直接编辑以前上演的大块?
- reporting-services - 根据参数值隐藏重复记录,每个参数值的条件不同
- python - 马修斯相关系数作为keras中的损失