關於隨機森林中的參數設計方法<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />在 JMP 上，如何計算 RANDOM FOREST 中的選項參數（例如樹中的最大分支數）？
並且，參數可以初始設置採取優勢結果（例如：ROC 的 AUC曲線)?
Re: 關於隨機森林中的參數設計方法我不確定我是否正確解釋了您的問題。 也許您在問如何選擇 Bootstrap Forest 對話框中的默認值。
- 森林中的樹數：默認為 100。 在實踐中，您可能希望使用比默認數量更多的樹（數百甚至數千）。
- 每次拆分採樣的術語數：默認值為啟動對話框中指定的預測變量列總數的 ¼。
- Bootstrap 採樣率：默認為 1，這意味著 bootstrap 樣本將具有與原始數據表相同的行數。 bootstrap 採樣是自動發生的，您實際上看不到單獨的 bootstrap 樣本。 如果您選擇小於 1 的值，則引導樣本的行數將少於原始表中的行數。 最好在這裡使用默認值。
- 每棵樹的最小和最大拆分：默認的最小大小是每棵樹 10 個拆分。 最大值有助於控制模型的計算複雜度，默認最大大小為 2000。 如果使用交叉驗證，如果向樹添加更多拆分不再改善其驗證 R 方，則單個樹可能會比最大拆分數更早停止。 此外，下一個設置，最小分割大小，將傾向於保持單個樹的大小小於最大值。
- 最小拆分大小：默認為數據表中行數的最大 5 或 1%。 這也可以防止單個樹變得過於適合。
- Early Stopping：如果使用了保留交叉驗證，則默認情況下會顯示並選中一個複選框。 如果模型的驗證性能停止改進，提前停止將導致 JMP Pro 停止將樹添加到引導森林。
謝謝傑格雷森, sjgardner1和米婭·斯蒂芬斯對於上述信息。 尋找他們即將出版的書，使用 JMP Pro 構建更好的模型.
