在 Python 中为随机森林选择正确的分布

Posted 2023-03-12

【中文标题】在 Python 中为随机森林选择正确的分布

【英文标题】：Choosing the correct distribution for Random Forests within Python

【发布时间】：2018-02-18 01:48:28

【问题描述】：

我目前使用的数据在 0.5 和 1.0 之间变化，其中有一堆值在 0.5-0.6 左右，然后是上面的几个值。然后我使用随机森林作为分类器，我想知道标准化这些值的最佳方法是什么？还是不需要归一化？

目前我只是使用，我错过了一个技巧吗？

RandomForestClassifier(random_state=42)

【问题讨论】：

请具体说明您的问题。您也可以查看 scikit-learn documentation 上的 RandomForestClassifier 的默认参数

首先，您可以绘制一个坐标轴为数据范围的图（例如，在您的情况下为 0.5 - 1.0），在 y =0 处绘制一个类中的数据点和另一类中的点在 y=1。只是为了了解它们的整体分布。

【参考方案1】：

随机森林对于单个特征的单调变换是不变的。平移或按特征缩放不会改变随机森林的任何内容。

不，随机森林不需要缩放或标准化。

RF 的本质是收敛性和数值精度问题（有时会影响逻辑和线性回归以及神经网络中使用的算法）并不那么重要。因此，您无需像使用 NN 那样将变量转换为通用尺度。 您没有得到任何回归系数的类似物，它衡量每个预测变量与响应之间的关系。因此，您也无需考虑如何解释这些受可变测量尺度影响的系数。

参考：

Do I need to normalize (or scale) data for randomForest (R package)?