我正在尝试了解随机森林以进行回归。我已经阅读了很多,但是仍然很难理解。我真正理解的是:随机森林对来自多个决策树的答案求平均。每个决策树都是使用不同的样本和不同的功能子集构建的。但是,有些事情我还是不太了解。
- 如果我是正确的,则使用节点拆分算法来构建树。 是否存在用于拆分节点的不同算法?是否正确?
- 例如,我已经阅读了有关信息增益和减少标准偏差的信息。
- 是真的吗?[[在决策树的每个节点上,仅考虑一个功能?
根据我的阅读,我了解到决策树通过最小化平方误差之和,以分段线性方式拟合数据。它是否正确?因此,- 每个拟合的零件实际上是否都是“正常”(多维)线性回归?
- 随机森林如何进行预测?
我了解到训练模型时,最终不会得到要素系数的值(与线性回归相比)。
希望有人可以使它更清楚!