是否可以使用基於模型的樹（即 partykit 包中的“mob()”）構建隨機森林
[英]Is it possible to build a random forest with model based trees i.e., `mob()` in partykit package
問題描述
我正在嘗試使用 partykit 包中基於模型的回歸樹來構建隨機森林。 我使用mob()函數和用戶定義的fit()函數構建了一個基於模型的樹，該函數在終端節點返回一個對象。
在 partykit 中有cforest()只使用ctree()類型的樹。 我想知道是否可以修改cforest()或編寫一個新函數，該函數從基於模型的樹構建隨機森林，並在終端節點返回對象。 我想使用終端節點中的對象進行預測。 任何幫助深表感謝。 先感謝您。
編輯：我構建的樹類似於這里的樹-> https://stackoverflow.com/a/37059827/14168775
如何使用類似於上述答案中的樹來構建隨機森林？
1 個解決方案
解決方案1
1 已采納 2020-08-26 16:53:30
目前，雖然大多數構建塊都可用，但對於使用mob()的基於模型的一般森林沒有罐頭解決方案。 但是，我們目前正在重新實現mob()的后端，以便我們可以更輕松地利用cforest()底層的基礎設施。 此外， mob()比ctree()慢很多，這在學習森林中有點不方便。
目前，最好的選擇是將cforest()與自定義ytrafo 。 這些也可以適應基於模型的轉換，非常像mob()的分數。 事實上，在許多情況下，當提供與轉換相同的評分函數時， ctree()和mob()產生非常相似的結果。
本次會議演示中提供了一個工作示例：
海蒂·塞博爾德、Achim Zeileis、Torsten Hothorn (2017)。 “使用基於模型的隨機森林進行個體治療效果預測。” 在奧地利維也納 WU Wirtschaftsuniversität 研討會“Psychoco 2017 - 心理測量計算國際研討會”上發表。 網址https://eeecon.uibk.ac.at/~zeileis/papers/Psychoco-2017.pdf
用於個體治療效果預測的基於模型的隨機森林的特殊情況也在專用包model4you中實現，該包使用上述演示中的方法，可從 CRAN 獲得。 也可以看看：
海蒂·塞博爾德、Achim Zeileis、Torsten Hothorn (2019)。 “
model4you：個性化治療效果估計的 R 包。” 開放研究軟件雜志， 7 （17），1-6。 doi:10.5334/jors.219
使用 mob() 樹（partykit 包）和logistic() model
[英]Using mob() trees (partykit package) with logistic() model
R：Tidymodels：是否可以在整潔的模型中使用 plot 隨機森林 model 的樹木？
[英]R: Tidymodels: Is it possible to plot the trees for a random forest model in tidy models?
是否可以在帶有 model 的 partykit::mob() 中建立拆分標准，然后將不同的 model 擬合到終端節點？
[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樹的每個節點中找到觀測值？ （partykit軟件包）
[英]How to find the observation in each node of the MOB tree? (partykit package)
在聚類協方差測試中指定更復雜的隨機效應結構（在基於 model 的遞歸分區中）？ （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創建隨機森林時，如何獲得變量的重要性？
[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
無法獲得partykit包的mob函數來進行單變量MLE擬合
[英]Can't get partykit package's mob function to do univariate MLE fit
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.
相關問題
將 mob() 樹（partykit 包）與 nls() 模型一起使用
使用 mob() 樹（partykit 包）和logistic() model
R：Tidymodels：是否可以在整潔的模型中使用 plot 隨機森林 model 的樹木？
是否可以在帶有 model 的 partykit::mob() 中建立拆分標准，然后將不同的 model 擬合到終端節點？
如何在MOB樹的每個節點中找到觀測值？ （partykit軟件包）
在聚類協方差測試中指定更復雜的隨機效應結構（在基於 model 的遞歸分區中）？ （例如，MOB、glmertree 等）
使用partykit創建隨機森林時，如何獲得變量的重要性？
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
如何在 R 中向隨機森林添加更多樹
無法獲得partykit包的mob函數來進行單變量MLE擬合
相關標簽