Mam problem z regresją wielu wyjść z funkcjami wejściowymi i wyjściowymi d y . Dane wyjściowe mają złożoną, nieliniową strukturę korelacji.
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.
Czy istnieje rozszerzenie losowych lasów, które uwzględnia korelacje wyników? Może coś w rodzaju regresji procesu Gaussa do nauki wielozadaniowej .
Odpowiedzi:
Oto przykład problemu regresji z wieloma wyjściami podjętego przy rozpoznawaniu twarzy. Zawiera również próbkę kodowania, powinna dać ci początek swojej metodologii. http://scikit-learn.org/stable/auto_examples/plot_multioutput_face_completion.html
źródło
Istnieje specjalnie dla tego nowy pakiet (nie testowany osobiście)
https://cran.r-project.org/package=MultivariateRandomForest
źródło