我一直在对不同类型的机器学习 (ML) 算法(例如随机森林/SVM 等)进行一些研究,以便对患有特定类型肾脏自身免疫性疾病的患者的药物需求进行建模和最佳预测。
我希望有人可以向我解释蒙特卡洛模拟和随机森林分类器之间的预测能力有什么区别?他们在现实世界的应用有何不同?
任何意见将不胜感激。
我一直在对不同类型的机器学习 (ML) 算法(例如随机森林/SVM 等)进行一些研究,以便对患有特定类型肾脏自身免疫性疾病的患者的药物需求进行建模和最佳预测。
我希望有人可以向我解释蒙特卡洛模拟和随机森林分类器之间的预测能力有什么区别?他们在现实世界的应用有何不同?
任何意见将不胜感激。
MC 不是寻找“最佳”模型的推理技术,它是从给定模型中获取样本的数值工具。果然,您还可以构建依赖于 MC 的推理程序(例如,根据模拟的经验分布优化参数的标准),但这不会改变各自的范围和目标。MC最常见的应用可能是高维积分的计算。