是否可以使用基于模型的树（即 partykit 包中的“mob()”）构建随机森林
[英]Is it possible to build a random forest with model based trees i.e., `mob()` in partykit package
问题描述
我正在尝试使用 partykit 包中基于模型的回归树来构建随机森林。 我使用mob()函数和用户定义的fit()函数构建了一个基于模型的树，该函数在终端节点返回一个对象。
在 partykit 中有cforest()只使用ctree()类型的树。 我想知道是否可以修改cforest()或编写一个新函数，该函数从基于模型的树构建随机森林，并在终端节点返回对象。 我想使用终端节点中的对象进行预测。 任何帮助深表感谢。 先感谢您。
编辑：我构建的树类似于这里的树-> https://stackoverflow.com/a/37059827/14168775
如何使用类似于上述答案中的树来构建随机森林？
1 个解决方案
解决方案1
1 已采纳 2020-08-26 16:53:30
目前，虽然大多数构建块都可用，但对于使用mob()的基于模型的一般森林没有罐头解决方案。 但是，我们目前正在重新实现mob()的后端，以便我们可以更轻松地利用cforest()底层的基础设施。 此外， mob()比ctree()慢很多，这在学习森林中有点不方便。
目前，最好的选择是将cforest()与自定义ytrafo 。 这些也可以适应基于模型的转换，非常像mob()的分数。 事实上，在许多情况下，当提供与转换相同的评分函数时， ctree()和mob()产生非常相似的结果。
本次会议演示中提供了一个工作示例：
海蒂·塞博尔德、Achim Zeileis、Torsten Hothorn (2017)。 “使用基于模型的随机森林进行个体治疗效果预测。” 在奥地利维也纳 WU Wirtschaftsuniversität 研讨会“Psychoco 2017 - 心理测量计算国际研讨会”上发表。 网址https://eeecon.uibk.ac.at/~zeileis/papers/Psychoco-2017.pdf
用于个体治疗效果预测的基于模型的随机森林的特殊情况也在专用包model4you中实现，该包使用上述演示中的方法，可从 CRAN 获得。 也可以看看：
海蒂·塞博尔德、Achim Zeileis、Torsten Hothorn (2019)。 “
model4you：个性化治疗效果估计的 R 包。” 开放研究软件杂志， 7 （17），1-6。 doi:10.5334/jors.219
使用 mob() 树（partykit 包）和logistic() model
[英]Using mob() trees (partykit package) with logistic() model
R：Tidymodels：是否可以在整洁的模型中使用 plot 随机森林 model 的树木？
[英]R: Tidymodels: Is it possible to plot the trees for a random forest model in tidy models?
是否可以在带有 model 的 partykit::mob() 中建立拆分标准，然后将不同的 model 拟合到终端节点？
[英]Is it possible to establish splitting criteria in partykit::mob() with a model and then fit a different model to terminal nodes?
如何在MOB树的每个节点中找到观测值？ （partykit软件包）
[英]How to find the observation in each node of the MOB tree? (partykit package)
在聚类协方差测试中指定更复杂的随机效应结构（在基于 model 的递归分区中）？ （例如，MOB、glmertree 等）
[英]Specifying more complex random effects structure in cluster covariance tests (in model based recursive partitioning)? (e.g., MOB, glmertree, etc.)
使用partykit创建随机森林时，如何获得变量的重要性？
[英]How can I get the variable importance when creating a random forest with partykit?
Tidymodel 包：R 中的通用线性模型 (glm) 和决策树（袋装树、提升树和随机森林）模型
[英]Tidymodel Package: General linear models (glm) and decision tree (bagged trees, boosted trees, and random forest) models in R
无法获得partykit包的mob函数来进行单变量MLE拟合
[英]Can't get partykit package's mob function to do univariate MLE fit
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
相关问题
将 mob() 树（partykit 包）与 nls() 模型一起使用
使用 mob() 树（partykit 包）和logistic() model
R：Tidymodels：是否可以在整洁的模型中使用 plot 随机森林 model 的树木？
是否可以在带有 model 的 partykit::mob() 中建立拆分标准，然后将不同的 model 拟合到终端节点？
如何在MOB树的每个节点中找到观测值？ （partykit软件包）
在聚类协方差测试中指定更复杂的随机效应结构（在基于 model 的递归分区中）？ （例如，MOB、glmertree 等）
使用partykit创建随机森林时，如何获得变量的重要性？
Tidymodel 包：R 中的通用线性模型 (glm) 和决策树（袋装树、提升树和随机森林）模型
如何在 R 中向随机森林添加更多树
无法获得partykit包的mob函数来进行单变量MLE拟合
相关标签