关于随机森林中的参数设计方法<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />在 JMP 上，如何计算 RANDOM FOREST 中的选项参数（例如树中的最大分支数）？
并且，参数可以初始设置采取优势结果（例如：ROC 的 AUC曲线)?
Re: 关于随机森林中的参数设计方法我不确定我是否正确解释了您的问题。 也许您在问如何选择 Bootstrap Forest 对话框中的默认值。
- 森林中的树数：默认为 100。 在实践中，您可能希望使用比默认数量更多的树（数百甚至数千）。
- 每次拆分采样的术语数：默认值为启动对话框中指定的预测变量列总数的 ¼。
- Bootstrap 采样率：默认为 1，这意味着 bootstrap 样本将具有与原始数据表相同的行数。 bootstrap 采样是自动发生的，您实际上看不到单独的 bootstrap 样本。 如果您选择小于 1 的值，则引导样本的行数将少于原始表中的行数。 最好在这里使用默认值。
- 每棵树的最小和最大拆分：默认的最小大小是每棵树 10 个拆分。 最大值有助于控制模型的计算复杂度，默认最大大小为 2000。 如果使用交叉验证，如果向树添加更多拆分不再改善其验证 R 方，则单个树可能会比最大拆分数更早停止。 此外，下一个设置，最小分割大小，将倾向于保持单个树的大小小于最大值。
- 最小拆分大小：默认为数据表中行数的最大 5 或 1%。 这也可以防止单个树变得过于适合。
- Early Stopping：如果使用了保留交叉验证，则默认情况下会显示并选中一个复选框。 如果模型的验证性能停止改进，提前停止将导致 JMP Pro 停止将树添加到引导森林。
谢谢杰格雷森, sjgardner1和米娅·斯蒂芬斯对于上述信息。 寻找他们即将出版的书，使用 JMP Pro 构建更好的模型.
