我正在 R 中构建一个随机森林模型。根据我的研究，我（希望）对它们的工作方式以及更重要的是它们的工作方式有了一些了解。

我只是想看到我对 RF 模型的理解在这里得到了交叉验证。

所以我们开始了（是真是假？）：

• 在随机森林模型中不需要缩放。
• 在处理不平衡数据时，可以下采样/上采样/使用权重。然而，在包randomForest中，选项 classwt 似乎不可靠？因此，我只是使用包 Unbalanced 对我的数据（50/50）进行下采样。在我的最终模型中，我将下采样并构建森林 K 次，并取预测的平均值。这是明智的吗？
• 随机森林对高度相关的变量几乎没有问题。我对新功能有很多想法，并希望一次包含所有这些想法，并根据重要性（MeanDecreaseGini）选择性地决定省略一些。但是预测变量之间的相关性不会影响性能吗？换句话说：具有额外特征的模型将至少与具有较少变量的模型相似？