我很想知道提升、随机森林或其他类型的集成模型是否可以执行多维回归。准确地说：这意味着不用于分类的多个输出（多维标签）。例如，从一些数据中预测一个人的身高和体重，其中有两个输出，每个输出对应于身高/体重之一（如果需要，可以对标签和输出值进行归一化）。当然，您可以使用神经网络轻松做到这一点。我对只有多个模型，每个回归输出一个的微不足道的情况不感兴趣。如果是，是否有任何可用的库支持这一点（我看过的库不支持）？
使用集成模型进行多维回归？
数据挖掘
回归
集成建模
2022-02-15 07:53:36
1个回答
我认为 scikit-learn 中有一些算法支持这种具有相关输入/输出的多输出（例如，每个输出不使用一个学习器，这可以使用 MultiOutputRegressor 元估计器来实现）：RandomForest、DecisionTree 和 LinearRegression。请参阅：https ://stats.stackexchange.com/questions/153853/regression-with-scikit-learn-with-multiple-outputs-svr-or-gbm-possible
和
其它你可能感兴趣的问题