我是否需要在H2O或一般情况下对随机森林（drf）或梯度增强机（GBM）的数据进行标准化（或缩放）？

Question

我正在H2O.ai中使用随机森林（DRF）和GBM创建分类和回归模型。我认为我不需要对数据进行标准化（或缩放），因为它可能会更加有害，因为它可能会消除模型的非线性特性。您能否确认我的理解是否正确。

Answer 1

使用H2O时，您无需对数据执行任何操作 - 所有算法都会自动处理数字/分类/字符串列。有些方法会自动进行内部标准化，但树方法不需要也不需要（在年龄> 5时分割，收入<100000就好了）。至于它是否“有害”取决于你正在做什么，通常让算法进行标准化是一个好主意，除非你确切知道你在做什么。一个例子是聚类，其中距离取决于数据的缩放（或缺少）。