是否有可能在partykit包中使用基于模型的树(即``mob()‘)来构建随机森林？

Question

我试图在partykit包中使用基于模型的回归树来构建一个随机森林。我使用mob()函数构建了一个基于模型的树，其中包含一个用户定义的fit()函数，该函数在终端节点返回一个对象。

在partykit中有cforest()，它只使用ctree()类型树。我想知道是否可以修改cforest()或编写一个新函数，该函数从基于模型的树构建随机森林，该树在终端节点返回对象。我想使用终端节点中的对象进行预测。任何帮助都是非常感谢的。提前谢谢你。

编辑:我所建的树与这里的-> https://stackoverflow.com/a/37059827/14168775相似

如何使用类似于上述答案的树来建立随机森林？

Answer 1

目前，使用mob()的通用模型森林还没有罐装解决方案，尽管大多数的构建块都是可用的。但是，我们目前正在重新实现mob()的后端，以便更容易地利用底层cforest()的基础设施。另外，mob()比ctree()慢很多，这在学习森林方面有点不方便。

目前，最好的选择是将cforest()与自定义ytrafo一起使用。这些也可以容纳基于模型的转换，非常类似于mob()中的分数。事实上，在许多情况下，当提供与转换相同的分数函数时，ctree()和mob()产生非常相似的结果。

本会议演示文稿中提供了一个工作示例：

Heidi Sei阔德，Achim Zeileis，托尔斯顿·霍桑(2017)。利用基于模型的随机森林预测个体处理效果。在题为“2017年精神巧克力-心理计量计算国际讲习班”的讲习班上提交，奥地利Wirtschaf恙niversit t WienURL https://eeecon.uibk.ac.at/~zeileis/papers/Psychoco-2017.pdf

用于个人治疗效果预测的基于模型的随机森林的特殊情况也在一个专用包model4you中实现，该包使用了上述表示中的方法，并可从CRAN获得。另请参阅：

Heidi Sei阔德，Achim Zeileis，托尔斯顿·霍桑(2019年)。"model4you：用于个性化治疗效果评估的R包。“开放研究软件杂志，7(17)，1-6.doi:10.5334/jors.219