machine-learning - 何时使用回归树/森林？

Question

已关闭。此问题不符合 Stack Overflow guidelines 。目前不接受答案。

---

这个问题似乎与 help center 中定义的范围内的编程无关。 .

已关闭 7 年前。

Improve this question

因为我正在为我的问题寻找一种精细的回归算法。我发现也可以使用简单的决策树来做到这一点，这通常用于分类。输出将类似于:

红色噪声将是这样一棵树或森林的预测状态。

现在我的问题是，当有替代方法时，为什么要使用这种方法，真正尝试找出底层方程(例如著名的支持向量机 SVM)。是否有任何积极/独特的方面，或者回归树是一个更好的算法？

Answer 1

您发布的图像传达了 x 中 y 的平滑函数。回归树当然不是估计此类函数的最佳技术，我可能也不会使用支持向量机。这看起来是样条曲线的一个很好的应用，例如，通过使用 GAM(广义加性模型)。

另一方面，如果您没有如此平滑的函数并且您不知道哪个解释变量将对响应产生何种影响，则回归树是一个方便的工具。如果响应或交互中有跳跃，这将特别有用 - 特别是如果事先不知道跳跃点和交互模式。