machine-learning - 随机森林的混合预测器类型

Question

我正在尝试使用随机森林为具有 5 个预测变量的数据集构建分类模型。预测变量有两个连续类型，一个可以是[0, 1000]区间内的实数值，另一个可以是[-10, 10]<区间内的实数值;一个预测变量的整数值为 [10000, 15000]。此外，剩下的两个预测变量是分类值，即 { A, B, C, D, E F} 和 {NY, LA, Chicago}。是否需要任何程序来预处理这些不同的预测器类型？

Answer 1

许多穷举搜索算法都会偏向于具有多个值的变量。将变量选择和拆分选择过程分开似乎对此有所帮助，如 this 中所述。纸。他们有一个package也在 R 中实现。我不知道如何使用更常见的方法来避免混合类型数据的这种情况。然而，尽管这个问题会导致偏差，但根据我的经验，预测性能并没有太大不同，因此您的里程可能会有所不同。这取决于你在做什么。不管怎样我都会做一些模拟。同一个小组有两篇关于条件排列重要性的 BMC 生物信息学论文讨论了这些问题。