我正在致力于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,如果还有什么我可以在这里添加的,请告诉我。
最佳答案
没有通用的方法可以从随机森林中获得可解释的方程,来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,您可以使用一种模型进行预测,使用一种模型进行描述性分析 - 没有固有的理由坚持使用单一模型。
use Random Forest to predict my dependent variable to understand how important each independent variable is
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,即获取实际关系。大多数随机森林包都有一种方法来量化每个协变量对训练集上的模型的影响程度。
关于machine-learning - 如何获得随机森林算法对自变量使用的最终方程来预测因变量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54212769/