Lors de la sélection de plusieurs réponses, JMP crée actuellement une arborescence individuelle pour chaque réponse. Ces arbres peuvent ensuite être combinés pour analyse.
Au lieu de cela, nous aimerions pouvoir avoir un seul arbre qui correspond le mieux à toutes les réponses simultanément .
Cette fonctionnalité est disponible sous la forme d'un appel de fonction Python RandomForestRegressor dans le package Sklearn populaire.
Il existe de nombreux articles disponibles sur le sujet, par exemple :
"Sélection de variables fractionnées pour les arbres de régression multivariée", Hsiao et Shih, 2006, ScienceDirect.
Nous aimerions que cette capacité, une fois implémentée pour les arbres de décision, soit étendue aux méthodes arborescentes Bootstrap Forest et Boosted.
