我对随机森林回归有一个深刻的理解问题。Target 是一个大学项目：我们必须用 R 中的财务数据进行随机森林回归分析。我已经阅读了很多小时的随机森林示例，其中大部分是分类类型，例如预测股票价值的上涨或下跌。在回归的情况下，我站在线上..我的想法如下：

如果我有一个类似以下结构的数据集：

Date | Open | High | Low | Close | Volume

...我可以添加一些技术工具，如 RSI、SMA 等

然后我将数据集拆分为训练和测试数据，执行随机森林程序并通过预测测试数据来关闭它。但这真的是随机森林回归分析的目的吗？我猜一个“正确”的回归分析是比较两只股票，看看它们是否相关，以根据另一只股票预测一只股票的价值——但另一方面，这是一个经典的回归分析——在没有随机森林算法的情况下. 我在理解目的方面遇到了很大的问题......