【问题标题】:Multi Class Random Forest多类随机森林
【发布时间】:2018-07-10 14:22:35
【问题描述】:

如果决策树分为 2 类,随机森林如何在分类中创建多个桶? 您可以发布有关该理论的任何链接吗? 其背后的理论是什么?

【问题讨论】:

    标签: random-forest multiclass-classification


    【解决方案1】:

    决策树中的连接不会分成两个类别。它分为两个子树。决策树的结果由以下连接决定,直到您到达叶节点。具有 3 个二元连接的简单 2 级树 有4片叶子

        J
       / \
      J   J
     / \ / \
    L  L L  L
    

    使用 4 个叶子,您可以有最多 4 个类,但通常许多叶子节点将属于同一个类。

    当然,在森林里,每棵树都有很多叶子,森林里也有很多叶子,所以人在整个森林里有很多叶子。

    您甚至可以查看决策树的数量来确定结果的可靠性。如果您的森林有 100 棵树和 3 个类别,则一个输入可能会产生 90-6-4 分布,而另一个输入可能会产生 50-30-20 的结果。两个输入显然都是 1 类,但第二个输入则不太肯定。

    【讨论】:

    • 感谢您的回复。它确实有帮助。你有什么链接可以让我阅读更多关于这个理论的信息,比如它如何计算多类中的基尼指数?
    • 基尼系数的重要性?见stats.stackexchange.com/questions/92419/…。一般来说,StackOverflow 可以在随机森林的实现方面为您提供更多帮助,但最好在 stats.SE 上提出理论问题(但也请先检查该问题是否已被提出)
    猜你喜欢
    • 2017-03-15
    • 2019-09-05
    • 2013-09-22
    • 2018-02-18
    • 2012-10-27
    • 2020-01-31
    • 2018-05-20
    • 2016-05-25
    • 2020-10-15
    相关资源
    最近更新 更多