Wir haben ein wenig Probleme damit, uns darüber im Klaren zu sein, wie JMP kategoriale Daten in Random Forests behandelt. Wir haben einen kleinen Pilotdatensatz erstellt und die kategorialen Daten mit einer Vielzahl von Techniken abgebildet, darunter viele, die in diesem Forum vorgeschlagen wurden. Ich verstehe jedoch nicht wirklich, warum wir bei der Verwendung dieser Zuordnungen einen so großen Unterschied in der Leistung feststellen sollten. Warum sollte es in JMP einen so großen Unterschied machen, wenn ich einen diskreten Satz von Werten einem anderen diskreten Satz von Werten (z. B. Zeichenfolgen Ganzzahlen) zuordne?
Wir sehen diese Art von Variation nicht, wenn wir die Random-Forest-Algorithmen von Python oder MATLAB verwenden. Bei JMP sind die Unterschiede in den Fehlerquoten für ausgehaltene Daten und für den Trainingssatz signifikant.
Wir haben die meisten Beiträge zu diesem Thema gelesen und können bei Bedarf weitere Einzelheiten liefern, einschließlich eines Testdatensatzes. Aber bevor wir uns in das Kaninchenloch der Auswahl einer Methode stürzen, die die Leistung in JMP optimiert, hatte ich gehofft, dass jemand kurz erklären könnte, warum ihre Implementierung von Random Forests so empfindlich darauf reagiert, wie Sie kategoriale Daten abbilden.
Vielen Dank.
Verwenden die zugeordneten ganzzahligen Werte den nominalen Modellierungstyp oder den standardmäßigen kontinuierlichen Modellierungstyp?
Hallo Mark,
Guter Punkt. Mein Doktorand, der diese Arbeit machte, sagte "oh!" 
Vielen Dank,
-Joe
