何时使用随机森林

Question

我了解随机森林模型可用于分类和回归情况。是否有更具体的标准来确定随机森林模型在哪里比常规回归（线性，套索等）来估计值或对数回归进行分类更好？

Answer 1

随机森林模型的思想是从一堆决策树构建的，它是一种监督的集成学习算法，可以减少单个决策树中的过度拟合问题。

机器学习的理论是，没有一个模型能胜过所有其他模型，因此，始终建议在获得最佳模型之前尝试不同的模型。

话虽如此，当人们处理不同性质的数据时，会有模型选择的偏爱。每个模型都对数据进行内在假设，而模型中与数据最一致的假设通常对数据更有效。例如，逻辑模型适用于具有平滑线性决策边界的分类数据，如果数据具有此功能，而随机森林则不具有平滑线性决策边界。因此，数据的性质会影响模型的选择，因此在得出结论之前尝试所有方法总是很有益的。