如何生產XG Boost /決策樹/隨機森林模型
[英]How to productionize XG boost / Decision tree / Random forest model
問題描述
我是分析領域的新手，正在尋找各種方法來生產模型。 假設對於線性回歸，我們可以將方程式設為y = mx + c，可以將其用於輸入數據，並且可以將其從R / SAS / Python中提取出來，也可以在任何數據庫中使用…
如果我想在R / SAS / Python框架之外的傳入數據上生產XG Boost / Decison樹/ Random林，它將如何工作？ 從哪里可以獲取自變量的參數？
從哪里可以得到方程式來實現？
謝謝
1 個解決方案
解決方案1
1 2018-02-01 03:01:32
決策樹是這三個中最簡單的，即使那么聲明。 GB本質上是自適應的。 看起來很復雜，但是評分代碼並不復雜。 RF是最麻煩的，不是因為它的邏輯，而是因為事實不是很復雜的RF模型可以包含數百萬條if-then行。 只是開銷而已。
與回歸模型不同，這三個參數都不應該具有任何參數。 它們本質上都是TREE。 如果您需要在R，P或S之外運行它們，請考慮API的路由。 我見過人們非常快速地解析XML中的RF。 根據交付要求，您可能需要或可能不需要微服務。 希望這可以幫助。
如何使用R在隨機森林中生成決策樹圖和變量重要性圖？
[英]How do I generate a Decision Tree plot and a Variable Importance plot in Random Forest using R?
將隨機森林變成決策樹-在R中使用randomForest包
[英]Turning a Random Forest into a Decision Tree - Using randomForest package in R
將來自兩個隨機森林模型的樹模型合並到R中H2O的一個隨機森林模型中
[英]Merging Tree Models from two random forest models into one random forest model at H2O in R
Tidymodel 包：R 中的通用線性模型 (glm) 和決策樹（袋裝樹、提升樹和隨機森林）模型
[英]Tidymodel Package: General linear models (glm) and decision tree (bagged trees, boosted trees, and random forest) models in R
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.