分區模型：每次運行的結果不同大家好！
我正在運行分區模型，包括引導森林、決策樹和增強樹，非常感謝有關如何解決此問題的一些建議。 例如，我已經在我的數據上多次運行 bootstrap forest，用於驗證的 RSquare 範圍從 -0.2 到 0.8。 如果我查看列貢獻，變量的排名在每次運行中都會發生很大變化。 我不確定是什麼導致了不穩定的結果（小數據集？）。
這是我的數據集的簡短描述。 我也附上數據文件。
48 次觀察，5連續預測變量
響應變量（即要預測的變量）是連續的
有沒有人有幫助解決這個問題的建議？ 感謝！
神軒
回复：分區模型：每次運行的結果不同哦，是的，46 個觀察值是這些方法的一個小數據集。
您是否在建模之前進行了初步分析以了解數據？ 預測變量和響應的分佈？ 多變量調查（例如，散點圖矩陣）？ 你找到了什麼？ 異常值？ 預測變量之間的共線性？ 是否建議轉換？
您是否嘗試過其他方法，例如懲罰回歸（擬合模型>廣義回歸)? 除非您使用交叉驗證，否則它們不涉及隨機分配。 （如果你確實使用它，你必須使用 K 折交叉驗證或留一法交叉驗證，線性預測變量中只有 46 個觀察值和 10-15 個潛在項。）
回复：分區模型：每次運行的結果不同你知道你正在使用的方法嗎？ 您可能會通過選擇找到答案幫助>圖書>預測和專業建模. 有專門介紹您提到的方法的章節。
JMP 指南並非旨在取代有關預測建模的教育，但它們仍然是有價值的信息資源。
回复：分區模型：每次運行的結果不同這不是問題。 它是您使用的方法所固有的。 它們依賴於隨機分配，因此每次運行都必然會有所不同。
您可以在每次運行前將隨機種子設置為相同的值，您將始終獲得相同的結果。 為什麼一個特定的樣本比另一個更好？
