랜덤 포레스트는 스케일링하거나 중심을 맞추기 위해 입력 변수가 필요합니까?

입력 변수의 크기가 다릅니다. 일부 변수는 소수이고 일부 변수는 수백입니다. 임의 포리스트를 사용할 때 데이터를 차원이 없게 만들려면 이러한 입력 변수를 중앙 (빼기) 또는 스케일 (표준 편차로 나눔)로 설정해야합니까?

아니.

랜덤 포레스트는 트리 파티셔닝 알고리즘을 기반으로합니다.

따라서, 일반 회귀 전략에서 구한 계수와 유사하지 않으며 독립 변수의 단위에 의존합니다. 대신, 기본적으로 임계 값이 주어진 결정 인 파티션 규칙 모음을 얻습니다. 이는 스케일링에 따라 바뀌지 않아야합니다. 다시 말해, 나무는 지형지 물의 등급 만 볼 수 있습니다.

기본적으로 데이터의 단조로운 변환은 (가장 일반적인 구현에서) 포리스트를 전혀 변경하지 않아야합니다.

또한 의사 결정 트리는 일반적으로 다른 알고리즘의 수렴 및 정밀도를 손상시키는 수치 불안정성에 강합니다.

전반적으로 Firebug에 동의하지만 예측 변수 중요도에 관심이 있다면 변수를 표준화하는 데 약간의 가치가있을 수 있습니다. 데이터를 분할 할 기회가 더 많기 때문에 RF는 변수가 큰 연속 예측 변수를 선호하는 경향이 있습니다. 그러나이 문제를 해결하는 더 좋은 방법은이 편견에보다 강력한 특정 접근 방식 (예 : 조건부 포리스트를 사용하지 않고 샘플링)을 사용하는 것입니다. 참조 https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-8-25를