আমার বোধগম্য প্রতিটি সিদ্ধান্ত গাছ তৈরির জন্য এলোমেলোভাবে বন ছাঁটাই এলোমেলোভাবে বুনে try সুতরাং যদি মিট্রি = এনসিএল / 3 তবে প্রতিটি ভেরিয়েবলগুলি গড়ে ১/৩ টি গাছ ব্যবহার করা হবে। এবং 2/3 টি গাছ তাদের ব্যবহার করবে না।
তবে আমি যদি জানি যে একটি একক পরিবর্তনশীল সম্ভবত খুব গুরুত্বপূর্ণ, তবে প্রতিটি গাছের মধ্যে এই পরিবর্তনশীলটি বেছে নেওয়ার সম্ভাবনাটি ম্যানুয়ালি বাড়াতে ভাল হবে কি? এটি কি আর-এ র্যান্ডমফোরস্ট প্যাকেজ সহ সম্ভব?
উত্তর:
মাত্রে নোট করুনপ্রতিটি বিভক্তিতে প্রার্থী হিসাবে এলোমেলোভাবে নমুনাযুক্ত ভেরিয়েবলের সংখ্যা। এবং এই প্রার্থীদের থেকে বিভাজন সম্পাদনের জন্য সেরা নির্বাচিত হয়। সুতরাং আপনি যে অনুপাতটি উল্লেখ করেছেন তা সম্পূর্ণরূপে সন্তুষ্ট নয়। আরও গুরুত্বপূর্ণ ভেরিয়েবলগুলি আরও ঘন ঘন প্রদর্শিত হয় এবং কম গুরুত্বপূর্ণ - কম ঘন ঘন। সুতরাং যদি ভেরিয়েবলটি সত্যিই খুব গুরুত্বপূর্ণ হয় তবে একটি দুর্দান্ত সম্ভাবনা রয়েছে যে এটি একটি গাছে নেওয়া হবে এবং আপনাকে ম্যানুয়াল সংশোধন করার দরকার নেই। তবে কখনও কখনও (খুব কমই) রিগ্রেশনটিতে কিছু পরিবর্তনশীল (তার সম্ভাব্য গুরুত্ব নির্বিশেষে) এর উপস্থিতি জোর করা প্রয়োজন। আমি যতদূর জানি প্যাকেজ এলোমেলো বন যেমন সম্ভাবনা সমর্থন করে না। তবে যদি এই ভেরিয়েবলটির অন্যের সাথে আন্তঃসীমাবদ্ধতা না থাকে তবে আপনি এই পরিবর্তনশীলটির সাথে একক পদ হিসাবে সাধারণ রিগ্রেশন করতে পারেন এবং তারপরে এই সাধারণ রিগ্রেশনের অবশিষ্টাংশগুলিতে এলোমেলোভাবে বন নিরোধ পরিচালনা করতে পারেন। আপনি যদি এখনও পূর্বনির্ধারিত ভেরিয়েবলগুলি বেছে নেওয়ার সম্ভাবনাটি সংশোধন করতে চান তবে পরবর্তী সংকলন সহ উত্স কোড পরিবর্তন আপনার বিকল্প is
জুন ২০১৫ সাল থেকে, আর-সিআরএএন-তে 'রেঞ্জার' নামে একটি নতুন প্রতিশ্রুতিবদ্ধ আরএফ অ্যালগরিদমের এই বৈশিষ্ট্য রয়েছে। এটি স্প্লিট.সलेक्ट করুন.ওয়েটগুলির সাথে টুইঙ্ক করা হয়েছে : "0 থেকে 1 এর মধ্যে ওজনযুক্ত সংখ্যাযুক্ত ভেক্টর, বিভাজনের জন্য পরিবর্তনশীল নির্বাচন করার সম্ভাবনা উপস্থাপন করে" "