Lasy losowe dla regresji wielowymiarowej

Mam problem z regresją wielu wyjść z funkcjami wejściowymi i wyjściowymi . Dane wyjściowe mają złożoną, nieliniową strukturę korelacji. $d_x$ $d_y$

Chciałbym użyć losowych lasów do przeprowadzenia regresji. O ile wiem, losowe lasy do regresji działają tylko z jednym wyjściem, więc musiałbym trenować lasy losowe - jeden dla każdego wyjścia. To ignoruje ich korelacje. $d_y$

Czy istnieje rozszerzenie losowych lasów, które uwzględnia korelacje wyników? Może coś w rodzaju regresji procesu Gaussa do nauki wielozadaniowej .

regression multivariate-analysis random-forest sergeyf
źródło

oto, co udało mi się wykopać do tej pory: scikit-learn.org/dev/modules/tree.html#multi-output-problems

sergeyf

pewnie. mam wysoko wymiarowe „obrazy” (właściwie widma dI / dV) peptydów. celem jest ustalenie lokalizacji i klas aminokwasów tworzących peptyd. moim pierwszym podejściem była segmentacja obrazu, ale nie powiodły się CRF i losowe losowe lasy. więc teraz, zamiast mówić, że każdy piksel „należy” do jednego i tylko jednego aminokwasu (nieprawda), przypisuję każdemu pikselowi względną wartość „wpływu” pobliskich aminokwasów. prowadzi to do

wymiarowego histogramu dla każdego piksela. stąd regresja wielokrotnego wyjścia!

d_{y}

$d_y$

sergeyf

Może to być spóźniona odpowiedź: w Crimisini i in. Lasy decyzyjne: ujednolicone ramy klasyfikacji, regresji, szacowania zagęszczenia, uczenia się kolektorów używają RF w sposób, który może ci odpowiadać w celu identyfikacji granic narządów.

Simone

To również może się spóźnić, ale może pomóc każdemu, kto natknie się na ten post. Random Forest można łatwo wytrenować przy użyciu danych wielowymiarowych. Wszystko dzieje się w ten sam sposób, jednak zamiast używać wariancji do obliczania wzmocnienia informacji, używamy kowariancji wielu zmiennych wyjściowych. Co ważniejsze, liście zawierają teraz N-wymiarowe pliki PDF.

masad

Nie wiem, czy RF „ignoruje ich korelacje”. Biorąc pod uwagę złożoną naturę RF, myślę, że mogą one tłumaczyć korelacje. Gdyby wzięli dane wejściowe z jednej zmiennej i dali wyniki z jednej zmiennej, nie byliby w stanie uwzględnić korelacji.

EngrStudent - Przywróć Monikę

Lasy losowe dla regresji wielowymiarowej

Odpowiedzi: