এলোমেলো বন হিসাবে গণনা ডেটা পূর্বাভাস

Question

একটি এলোমেলো অরণ্য গণনা তথ্য যথাযথভাবে পূর্বাভাস প্রশিক্ষণ দেওয়া যেতে পারে? এটি কীভাবে এগিয়ে যাবে? আমার কাছে মানগুলির বিস্তৃত পরিসর রয়েছে সুতরাং শ্রেণিবিন্যাসটি সত্যিকার অর্থে আসে না। আমি যদি রিগ্রেশন ব্যবহার করতাম তবে আমি কী ফলাফলগুলি ছাঁটাই করব? আমি এখানে বেশ হারিয়ে গেছি। কোন ধারনা?

Comments

আপনি কি পিসন রিগ্রেশন ব্যবহার করতে পারবেন না?

— আরজে-

আমি নন-প্যারাম্যাট্রিক কিছু ব্যবহার করতে চেয়েছিলাম। পোয়েসন রিগ্রেশন অনুমানগুলি সত্যই মনে রাখবেন না তবে আমি নিশ্চিত যে এর মধ্যে একটি হ'ল পর্যবেক্ষণগুলি স্বতন্ত্র এবং এটি এখানে গভীরভাবে পরিপূর্ণ হয় না fulfilled এটি কি আমাকে অনেক প্রভাবিত করতে পারে?

— জেকুইয়া

আপনি কি কেবল আরএফকে রিগ্রেশন (সম্ভবত লগতেও) তৈরি করার চেষ্টা করেছেন? এটি কেবল যথেষ্ট ভাল কাজ করতে পারে।

নেই. তবে সেটা ছিল আমার প্রথম ইনস্টিটিউট। লগ বা স্কোয়ার রুটের রূপান্তর। তবে আমি দেখতে চেয়েছিলাম যে এ সম্পর্কে কারও কোনও অভিজ্ঞতা আছে কিনা।

— জেকুইয়া

আমি প্রতিক্রিয়া, লগ (প্রতিক্রিয়া) এবং স্কয়ার্ট (প্রতিক্রিয়া) সম্পর্কে কেবল রিগ্রেশন করার চেষ্টা করেছি এবং ভাল কিছুই পাইনি। আমি মনে করি সমস্যাটি আরও বেশি যে আমার স্বতন্ত্র ভেরিয়েবলগুলি প্রতিক্রিয়াটি ব্যাখ্যা করে। আচ্ছা ভালো.

— জেকুইহুয়া

Answer 1

একটি আর প্যাকেজ বলা হয় mobForestযা গণনা উপাত্তের জন্য সত্যিকারের এলোমেলো বন মাপতে পারে। এটি প্যাকেজে mod()(মডেল-ভিত্তিক পুনরাবৃত্তির বিভাজন) ভিত্তিক party। familyযুক্তি হিসাবে উল্লেখ করা থাকলে এটি পয়েসন রিগ্রেশন সম্পাদন করে poisson()। প্যাকেজটি আর সিআরএএন সংগ্রহস্থলে নেই, তবে পূর্ববর্তী উপলব্ধ সংস্করণগুলি সংরক্ষণাগার থেকে পাওয়া যাবে।

যদি আপনি এলোমেলো বন / ব্যাগিংয়ের মধ্যে সীমাবদ্ধ না হন তবে গণনার ডেটার জন্য একটি বুস্টিং সংস্করণ পাওয়া যায়। এটি হ'ল, gbm(জেনারেলাইজড বুস্টেড রিগ্রেশন মডেল)। এটি কোনও পইসন মডেলও ফিট করতে পারে।

Answer 2

আমি কয়েকটি সম্ভাবনা দেখছি।

• আপনি প্রতিক্রিয়াটিকে কয়েকটি স্বেচ্ছাসেবী বিভাগে ভাগ করতে পারেন এবং একটি শ্রেণিবিন্যাস ট্রি ব্যবহার করতে পারেন
• যদি গণনাগুলি খুব কম হয় তবে 0, 0, 0, 1, 0, 3, 0, 2, আপনি প্রতিটি পূর্ণসংখ্যার গণনাটিকে একটি শ্রেণি হিসাবে গণ্য করতে পারেন এবং আবার শ্রেণিবদ্ধকরণ গাছ ব্যবহার করতে পারেন (সম্ভবত আপনার ক্ষেত্রে নয়)। এই ক্ষেত্রে, ক্রমাগত প্রতিরোধের বিপরীতে উচ্চতর বৈকল্পিকের দ্বারা বর্ণিত টাইপ মেট্রিক পাওয়া শক্ত হতে চলেছে।
• গন্য হন না সাধারণত কম এবং সেখানে প্রকরণের অনেক আছে, আমি শুধু একটি রিগ্রেশন গাছ সঙ্গে এটি জন্য যান না। লিনিয়ার রিগ্রেশনের উপরে পোয়েসন রিগ্রেশন ব্যবহার করা উদাহরণস্বরূপ, যখন কোনও ভাল লিনিয়ার ভবিষ্যদ্বাণী পাওয়ার কথা আসে তখনই তা গ্রেভ হয়। আপনি যদি এলোমেলো বনের সাথে ভাল ভবিষ্যদ্বাণীপূর্ণ শক্তি না দেখছেন তবে আমি সন্দেহ করি এমন একটি ফ্যানসিয়ার মডেল যা নির্দিষ্ট করে গণনা ডেটা আপনার জন্য অনেক কিছু করতে চলেছে doubt

Answer 3

ঠিক আছে, এটি এলোমেলো বন নয়, তবে ক্যাটবুস্ট একটি পোয়েসন লস ফাংশন সমর্থন করে যা বাড়ানো গাছগুলির সাথে গণনা প্রতিরোধের জন্য ব্যবহার করা যেতে পারে:

https://tech.yandex.com/catboost/doc/dg/concepts/loss-functions-docpage/