我正在研究车辆占用率预测，我对此非常陌生，我使用随机森林回归来预测占用率值。
有大约 48 M 行，我已经使用所有数据来预测入住率，因为人口和入住率由于更高的数字而被标准化，我已经预测。我确定模型不好，我如何解释 RMSE 和 MAE 的结果。此外，该图表明它没有很好地预测，我是否以正确的方式来预测车辆的占用率。
请帮我解决以下问题，
- 随机森林回归是解决这个问题的好方法吗？
- 如何改进模型结果？
- 如何从结果中解释结果
随机森林回归模型改进
数据挖掘
机器学习
scikit-学习
回归
预测建模
随机森林
2022-02-10 12:08:46
1个回答
随机森林回归是解决这个问题的好方法吗？
总体而言，决策树往往不是好的回归器。但对于您的情况，它可能运行良好。您需要评估与指标对应的结果，然后比较不同的模型。
我喜欢回归模型中的 MAE，因为它非常直观。
如何改进模型结果？
请注意，决策树不需要缩放值来表现良好。考虑
确保模型中有有意义的特征。
尝试具有不同超参数的不同模型。
如果您有分类特征，请使用https://contrib.scikit-learn.org/category_encoders/
如何从结果中解释结果
如果您还没有缩放目标。你正在测量 MAE。
假设您的 MAE = 2。那么您的预测中的平均误差是 2 名乘客。
其它你可能感兴趣的问题