Значение прогноза в дереве выборки, сделанном случайным лесом H2O

Question

В настоящее время я создаю случайный лес по пакету H2O и построил пример дерева для демонстрации. Значение прогнозирования каждого узла не совсем совпадает с вероятностью положительного класса во всех экземплярах узла.

Просто интересно узнать, как H2O рассчитывает значение прогноза. Мне нужна формула, чтобы получить этот прогноз! Я знаю, что случайный лес превосходит средний прогноз деревьев. Но как рассчитывается этот прогноз на каждом узле каждого дерева?

Любая помощь будет оценена.

Answer 1

Я нашел решение, которое возвращает точный коэффициент вероятности данных поезда, заданный в качестве значения прогноза в дереве выборок. вам просто нужно установить свой код следующим образом: h2o.randomforest(sample_rate = 1, calibrate_model = TRUE, and calibration_frame = train )

Answer 2

См. Алгоритм 15.1 из элементов статистического обучения:

• https://web.stanford.edu/~hastie/Papers/ESLII.pdf

А затем посмотрите код для реализации модели учебного процесса в H2O-3:

• https://github.com/h2oai/h2o-3/blob/master/h2o-algos/src/main/java/hex/tree/drf/DRF.java

Наконец, лучший способ понять, как фактическая сгенерированная модель используется для создания результатов, - это реализация genmodel MOJO, которую вы можете найти здесь (попробуйте использовать отладчик java для пошагового выполнения вызова метода Score0 ()):

• https://github.com/h2oai/h2o-3/blob/master/h2o-genmodel/src/main/java/hex/genmodel/algos/drf/DrfMojoModel.java