Kann ich die zugrunde liegenden Entscheidungsregeln (oder 'Entscheidungspfade') aus einem trainierten Baum in einem Entscheidungsbaum als Textliste extrahieren? Etwas wie: if A>0.4 then if B<0.2 then if C>0.8 then class='X' Danke für Ihre
Kann ich die zugrunde liegenden Entscheidungsregeln (oder 'Entscheidungspfade') aus einem trainierten Baum in einem Entscheidungsbaum als Textliste extrahieren? Etwas wie: if A>0.4 then if B<0.2 then if C>0.8 then class='X' Danke für Ihre
Ich habe eine Klassifizierungsaufgabe mit einer Zeitreihe als Dateneingabe, wobei jedes Attribut (n = 23) einen bestimmten Zeitpunkt darstellt. Neben dem absoluten Klassifizierungsergebnis möchte ich herausfinden, welche Attribute / Daten in welchem Umfang zum Ergebnis beitragen. Deshalb benutze...
Kann jemand den Unterschied zwischen dem RandomForestClassifier und dem ExtraTreesClassifier in scikit lernen erklären. Ich habe viel Zeit damit verbracht, die Zeitung zu lesen: P. Geurts, D. Ernst. Und L. Wehenkel, "Extrem randomisierte Bäume", Machine Learning, 63 (1), 3-42, 2006 Es scheint,...
Ich mache eine Regressionsaufgabe - muss ich Daten für randomForest (R-Paket) normalisieren (oder skalieren)? Und ist es notwendig, auch Zielwerte zu skalieren? Und wenn - ich die Skalierungsfunktion aus dem Caret-Paket verwenden möchte, aber nicht gefunden habe, wie ich Daten zurückerhalten kann...
library(randomForest) rf.model <- randomForest(WIN ~ ., data = learn) Ich möchte ein zufälliges Waldmodell anpassen, erhalte jedoch folgende Fehlermeldung: Error in na.fail.default(list(WIN = c(2L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, : missing values in object Ich habe Datenrahmen mit 16 numerischen...