【发布时间】：2017-12-24 17:43:42
【问题描述】：
在 H2O 中实现随机森林和标准随机森林库有性能差异吗？
有没有人对这两种实现进行过或做过一些分析。
【问题讨论】：
标签： machine-learning classification random-forest data-science h2o
【发布时间】：2017-12-24 17:43:42
【问题描述】：
这是一个您可以开始的开放式基准测试。
【讨论】：
【讨论】：
-
请注意，这个基准大约有四年的历史并且已经过时了，尽管帖子上的日期奇怪的是 2017 年。（请查看底部评论中的 2015 年日期。）还要注意作者，艾琳，现在在 H2O（完全披露：我也是）。
-
好吧，至少这篇文章可以作为一个开始。我同意，H2O 可能会更好。
-
作为 wise.io 基准测试文章的作者，是的，它已经过时了。从那时起，randomForest R 代码几乎没有什么变化，但 H2O 和 sklearn RF 实现在过去 4 年中都有很大改进。
-
@AndreyLukyanenko 如果您对如何更好地实施 H2O RF 有具体建议，请将您的想法发送到我们的邮件列表（或者更好，提出拉取请求）：groups.google.com/forum/#!forum/h2ostream
-
@Erin LeDell 我的意思是我认为 H2O 比 RF 实施更好（在这种情况下可能 = 不确定，但认为是这样）。很抱歉造成误解。