组织者可能认为预测变化的方向比幅度更重要，也就是说，当已知值很高时（反之亦然）你的预测值比尽可能接近已知值更重要。无论如何，测量结果可能很嘈杂。

一种相当稳健的优化方法是通过网格搜索局部最优值，就像在这个 QA中一样。

但是，您还应该注意，算法在根据某些损失函数进行拟合时会调整内部参数。一些算法接受自定义成本函数和导数，但一些实现 不接受。信息论测量是分类中的标准，而 MSE 是回归中的标准。

从理论上讲，您应该能够根据皮尔逊相关性告诉您的随机森林（或相应的其他算法）最佳分割是什么。