ป่าสุ่มสำหรับการถดถอยหลายตัวแปร

ฉันมีปัญหาการถดถอยหลายเอาท์พุทที่มีคุณสมบัติเข้าและเอาท์พุท เอาต์พุตมีโครงสร้างความสัมพันธ์ที่ไม่เป็นเชิงเส้นที่ซับซ้อน $d_x$ $d_y$

ฉันต้องการใช้ป่าสุ่มในการถดถอย เท่าที่ฉันสามารถบอกได้ป่าสุ่มสำหรับการถดถอยจะทำงานกับผลลัพธ์เดียวดังนั้นฉันจะต้องฝึกป่าสุ่ม $d_y$ - หนึ่งป่าสำหรับแต่ละผลผลิต สิ่งนี้จะละเว้นความสัมพันธ์ของพวกเขา

มีส่วนขยายไปยังฟอเรสต์แบบสุ่มที่คำนึงถึงความสัมพันธ์ของผลผลิตหรือไม่ บางทีบางอย่างเช่นGaussian ถดถอยกระบวนการสำหรับการเรียนรู้หลายงาน

regression multivariate-analysis random-forest

— sergeyf
แหล่งที่มา

นี่คือสิ่งที่ฉันสามารถขุดจนถึงตอนนี้: scikit-learn.org/dev/modules/tree.html#multi-output-problems

— sergeyf

แน่ใจ ฉันมี "ภาพ" มิติสูง (อันที่จริงคือ dI / dV spectra) ของเปปไทด์ เป้าหมายคือการหาที่ตั้ง & คลาสของกรดอะมิโนที่ประกอบเป็นเปปไทด์ วิธีแรกของฉันคือการแบ่งส่วนภาพ แต่ CRFs และป่าสุ่มพิกเซลที่ชาญฉลาดล้มเหลว ดังนั้นตอนนี้แทนที่จะบอกว่าแต่ละพิกเซล "เป็น" ของกรดอะมิโนหนึ่งตัวและเพียงตัวเดียว (ไม่จริงจริง ๆ ) ฉันกำลังกำหนดค่า "อิทธิพล" สัมพัทธ์แต่ละพิกเซลจากกรดอะมิโนใกล้เคียง ซึ่งจะส่งผลในฮิสโตแกรมมิติ

d_{y}

$d_y$ สำหรับแต่ละพิกเซล ดังนั้นการถดถอยผลผลิตหลาย!

— sergeyf

อาจเป็นคำตอบล่าช้า: ใน Crimisini และคณะ ป่าเพื่อการตัดสินใจ: กรอบการทำงานร่วมสำหรับการจำแนก, การถดถอย, การประเมินความหนาแน่น, การเรียนรู้มากมายที่พวกเขาใช้คลื่นความถี่วิทยุในลักษณะที่อาจเหมาะกับคุณในการระบุขอบเขตของอวัยวะ

— Simone

นี่อาจจะมาสายด้วยเช่นกัน แต่อาจช่วยให้ทุกคนสะดุดกับโพสต์นี้ ฟอเรสต์แบบสุ่มสามารถฝึกฝนได้อย่างง่ายดายโดยใช้ข้อมูลหลายตัวแปร ทุกอย่างเกิดขึ้นในลักษณะเดียวกัน แต่แทนที่จะใช้ความแปรปรวนในการคำนวณการรับข้อมูลเราใช้ความแปรปรวนร่วมของตัวแปรเอาต์พุตหลายตัว และที่สำคัญกว่าตอนนี้ใบไม้ก็มีไฟล์ PDF แบบ N- มิติ

— masad

ฉันไม่ทราบว่า RF "สิ่งนี้ละเว้นความสัมพันธ์ของพวกเขา" ด้วยลักษณะของคลื่นความถี่วิทยุฉันคิดว่าพวกมันอาจจะเกี่ยวข้องกับสหสัมพันธ์ หากพวกเขาใช้อินพุตที่ไม่แปรและให้เอาต์พุตที่ไม่แปรตามกันพวกเขาจะไม่นับรวมสหสัมพันธ์

— EngrStudent - Reinstate Monica

นี่คือตัวอย่างของปัญหาการถดถอยแบบหลายเอาท์พุตที่ดำเนินการด้วยการจดจำใบหน้า มันมีตัวอย่างโค้ดด้วยเช่นกันควรให้คุณเริ่มต้นด้วยวิธีการของคุณ http://scikit-learn.org/stable/auto_examples/plot_multioutput_face_completion.html

— orange1
แหล่งที่มา

มีแพ็คเกจใหม่สำหรับแพคเกจนั้นโดยเฉพาะ (ไม่ผ่านการทดสอบเป็นการส่วนตัว)

https://cran.r-project.org/package=MultivariateRandomForest

— เอ็มเอ็ม
แหล่งที่มา