임의 숲 의 모음입니다 의사 결정 트리 무작위로 (때로는 훈련 데이터를 포기할)와 각 트리를 구축하는 특정 기능을 선택하여 형성했다. 분명히 그들은 잘 배우고 일반화합니다. 의사 결정 트리 공간에 대한 MCMC 샘플링을 수행하거나 임의 포리스트와 비교 한 사람이 있습니까? MCMC를 실행하고 샘플링 된 모든 트리를 저장하는 데 계산 비용이 더 많이들 수 있지만 계산 비용이 아니라이 모델의 이론적 기능에 관심이 있습니다. 내가 의미하는 것은 다음과 같습니다.

1. 무작위 의사 결정 트리를 구성하십시오 (아마도 끔찍하게 수행 할 것입니다)
2. 와 같은 나무의 가능성을 계산 하거나 항을 추가하십시오.P P R I O R ( T R E E )P(Tree|Data)∝P(Data|Tree)
   $P(Tree|Data)\propto P(Data|Tree)$

   $P(Tree|Data) \propto P(Data|Tree)$Pprior(Tree)

   $P_{prior}(Tree)$

   $P_{prior}(Tree)$

3. 임의의 단계를 선택하여 트리를 변경하고 가능성 에 따라 선택하십시오 .P(Tree|Data)
   $P(Tree|Data)$

   $P(Tree|Data)$

4. 모든 N 단계마다 현재 트리의 사본을 저장하십시오.
5. N * M 시간이 큰 경우 3으로 돌아갑니다.
6. M 개의 저장된 트리 모음을 사용하여 예측

랜덤 포리스트와 비슷한 성능을 제공합니까? 여기서는 임의 포리스트와는 달리 어떤 단계에서도 좋은 데이터 나 기능을 버리지 않습니다.

답변