如何使用R随机森林来减少没有离散类的属性？
我想使用随机森林进行属性缩减。我的数据中存在的一个问题是我没有离散类 - 只有连续类，这表明示例与“正常”有何不同。此类属性是一种从零到无穷大的距离。 有没有办法对此类数据使用随机森林？
I want to use Random forests for attribute reduction. One problem I have in my data is that I don't have discrete class - only continuous, which indicates how example differs from 'normal'. This class attribute is a kind of distance from zero to infinity.
Is there any way to use Random forest for such data?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
这应该没问题——RF 将切换到回归模式。使用
randomForest包中的randomForest函数。要使用
proximity=TRUE参数获取对象相似度，例如：获取节点纯度（类似基尼指数）属性重要性：
获取平均 MSE 增加（类似精度下降）属性重要性：
That should be no problem -- RF will just switch to regression mode. Use
randomForestfunction from therandomForestpackage.To get object similarity with
proximity=TRUEargument, like:To get node-purity (Gini-index like) attribute importance:
To get mean MSE increase (accuracy-decrease like) attribute importance: