例如，给定 10 个独立特征作为我的 RF 模型的输入，当特征 1 和特征 3 为 100（或更少）时，我的模型输出必须为 5，尽管其他特征的值。我怎样才能将这种关系传授给我的 RF 模型 - 所以它会始终遵守这一点？
我尝试将重复的人工数据点添加到训练集中，其中特征 1 和 3 小于或等于 100，并且输出始终为零，但 RF 模型似乎并不能仅仅基于此理解/学习这种关系。
我还尝试使用（1）树数（2）节点数和（3）最大节点但没有任何成功。
我正在使用 R 中的 mlr 库来创建我的 RF 模型。谢谢。
他们预测，机器学习算法不知道。基于树的 ML 算法将为您提供在每个类别中的概率，而不是它是否属于特定类别。通过仔细准备您的标签；如果您的数据有足够多的“特征 1 和 3 小于等于 100”的示例并且结果为 0，那么您的算法很可能会以很高的准确度预测其类别。显然，结果的强度取决于您的 ML 任务是什么、您的数据是什么、它的结构以及您的超参数设置是什么。不知道有没有其他办法可以这样弯曲森林。
我知道这不是您期望的那种答案，但如果我能提供帮助，我会很高兴。
保证这种关系的一种方法是通过 if/else 语句明确指定它。例如：特征 1 == 特征 3 == 100 => 输出 = 5 否则输出 = 随机森林预测（您可以将随机森林训练为“正常”是这种情况）。
其他几件事：