machine-learning - 预测 RF 后的数据归一化

Question

使用随机森林算法进行回归，我在 iternet 中发现，在预测之后，它们对预测结果进行归一化，这意味着我们假设结果是 pred

pred = pred = pred*(np.exp(-pred/100)*2+1)

您知道为什么要对预测结果进行归一化吗？为什么要使用这个公式以及可以对预测结果进行哪种归一化？

Answer 1

简而言之:不要做这样随意的事情。

更详细的答案:没有理由进行任何类型的“固定方程”后处理。将 f(x) 应用于预测的唯一原因是如果您在训练之前应用了 f^-1(x)。换句话说 - 如果您在训练之前以某种方式转换了数据，则需要对预测应用逆变换以返回原始空间。

只是为了表明所提供的方程有多么无用，请考虑具有负输出的回归问题，例如 -10000 和 0 之间。可以说，您的模型并不完美，根据此“规则”预测为 -9900 而不是 -10000 “你得到 (-9900)*(np.exp(-(-9900)/100)*2+1) ，它是 -200,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000 (-2e47) 行中的一些内容。