machine-learning - 执行随机森林时的最小观察次数

Question

是否可以将 RandomForests 应用于非常小的数据集？我有一个包含许多变量的数据集，但每个变量只有 25 个观察值。随机森林产生合理的结果，OOB 错误低 (10-25%)。关于使用的最少观察次数是否有任何经验法则？事实上，其中一个响应变量是不平衡的，如果我要对它进行二次抽样，我最终会得到更少的观察结果。提前致谢

Answer 1

绝对 RF 可用于这些类型的数据集（即 p>n）。事实上，他们在像基因组学这样的领域使用 RF，其中字段数 >= 20000 并且只有非常少的行数 - 例如 10-12。整个问题是找出 20k 变量中的哪一个将构成一个简约标记（即特征选择是整个问题）。

我没有任何关于最小尺寸的 ROT，除非您的模型在保留样本上效果不佳（或者 Hold-One-Back 交叉验证在您的情况下可能效果很好），那么您应该尝试其他方法。

希望这可以帮助