[英]Is it possible to build a random forest with model based trees i.e., `mob()` in partykit package
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?
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
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.