我已经构建了一个玩具随机森林模型R（使用包中的German Credit数据集caret），使用库将其导出PMML 4.0并部署到 Hadoop 上Cascading Pattern。
我遇到了一个问题，即Cascading Pattern对相同数据的评分（在二进制分类问题中）与R. 在 200 次观察中，有 2 次得分不同。
为什么是这样？可能是由于随机森林的实施有所不同吗？
PMML模型在不同平台上的评分差异
数据挖掘
机器学习
r
apache-hadoop
随机森林
预测建模
2022-02-26 21:19:32
3个回答
不同之处在于，似乎是由于随机森林在R和Cascading Pattern（以及openscoring我后来尝试的）中关于树投票的关系的不同实现 - 即当构建偶数棵树时（例如，500 棵）和恰好一半将应用程序归类为Good，另一半归类为Bad，这些情况的处理方式不同。通过增长和奇数（501）棵树来解决它。
我认为最可能的解释是这两个库并不完全支持 PMML 中的 TreeModel 以同样的方式。也许一个人只支持一部分特性，而忽略了它不理解的特性。这可能会导致不同的得分。
我还会仔细检查两种情况下的上游解析代码是否相同。也许上游对缺失值的处理方式不同。
决策树是不稳定的学习者，对输入参数的变化非常敏感。
其它你可能感兴趣的问题