Bei der Auswahl mehrerer Antworten erstellt JMP derzeit für jede Antwort einen eigenen Baum. Diese Bäume können später zur Analyse kombiniert werden.
Stattdessen möchten wir einen einzigen Baum haben, der am besten zu allen Antworten gleichzeitig passt .
Diese Funktion ist als Python-Funktionsaufruf RandomForestRegressor im beliebten Sklearn-Paket verfügbar.
Zu diesem Thema sind zahlreiche Artikel verfügbar, zum Beispiel:
„Aufteilung der Variablenauswahl für multivariate Regressionsbäume“, Hsiao und Shih, 2006, ScienceDirect.
Wir möchten diese Funktion, nachdem sie für Entscheidungsbäume implementiert wurde, auf die Bootstrap Forest- und Boosted Treed-Methoden ausweiten.
