PySpark RandomForest实现中如何计算rawPrediction？

Question

我已经在10个示例的训练集上训练了一个RF模型（有3棵树，深度为4个）。以下是三棵树的外观图像。我有两个班级（例如0和1）。

阈值在左分支上提到，而圆圈中的数字（例如7、3是特征2的阈值和阈值，即f2）的示例数。

现在，当我尝试将模型应用于10个示例的测试集时，我不确定如何计算原始预测。

+-----+----+----+----------+-------------------------------------------------------------------
|prediction|features                                                                                                                                                                                                                                                                                                   |rawPrediction|probability                            |
+-----+----+----+----------+-----------------------------------------------------------------------------------------------------------+-------------+---------------------------------------+
|1.0       |[0.07707524933080619,0.03383458646616541,0.017208413001912046,9.0,2.5768015000258258,0.0,-1.0,-1.0,0.0,-1.0,-1.0,-1.0,-1.0,-1.0,0.0014143059186559938,0.0,0.6666666666666667,7.076533785087878E-4,0.0014163090128755495,0.9354143466934853,0.9333333333333333,0.875,0.938888892531395,7.0]                 |[1.0,2.0]    |[0.3333333333333333,0.6666666666666666]|

我已经通过下面的链接进行了了解，但是我无法理解。

https://forums.databricks.com/questions/14355/how-does-randomforestclassifier-compute-the-rawpre.html

https://github.com/apache/spark/blob/master/mllib/src/main/scala/org/apache/spark/ml/classification/RandomForestClassifier.scala

我可以肯定，它并不像您想象的那么简单。例如，根据我的理解，这并不像-例如，如果两棵树预测0，而一棵树预测为1，则原始预测将为[2，1]。并非如此，因为当我在500个示例上训练模型时，我看到同一示例的原始预测为[0.9552544653780279,2.0447455346219723]。

有人可以向我解释这是如何数学计算的吗？任何帮助在这里都将不胜感激，因为它有点基本，我想直截了当地了解它的工作方式。再次感谢您，如果需要其他信息来解决此问题，请发表。

我已经在10个示例的训练集上训练了一个RF模型（有3棵树，深度为4个）。以下是三棵树的外观图像。我有两个班级（比如0和1）。阈值是...

Answer 1

[原始预测是对每棵树的预测类别概率，对森林中所有树的总和。对于单个树的类概率，属于所选叶节点中每个类的样本数很重要。