我将随机森林用于回归问题，以预测给定的 Test-X 集(新的特征值)的 Test-Y 的标签值。该模型已经在给定的 Train-X(特征)和 Train-Y(标签)上进行了训练。 R 的“randomForest”在预测 Test-Y 的数值方面非常有用。但这不是我想要的。
我想使用随机森林生成概率密度函数，而不仅仅是一个数字。我搜索了几天的解决方案，这是我到目前为止找到的:
“randomForest”不产生回归概率，只产生分类概率。 (通过“预测”和设置类型=概率)。
使用“quantregForest”提供了一种制作和可视化预测区间的好方法。但还是不是概率密度函数!
对此还有其他想法吗？
最佳答案
请参阅predict.randomForest 函数的predict.all 参数。
library("ggplot2")
library("randomForest")
data(mpg)
rf = randomForest(cty ~ displ + cyl + trans, data = mpg)
# Predict the first car in the dataset
pred = predict(rf, newdata = mpg[1, ], predict.all = TRUE)
hist(pred$individual)
500 个“基本”预测的直方图如下所示:
关于r - 如何从回归随机森林中获取概率密度函数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35508777/