随机森林回归模型的改进

Question

我的工作是车辆占用率预测，我对此非常陌生，我使用随机森林回归来预测入住率。

随机森林jupyter笔记本

有大约48M行，我已经使用所有的数据来预测入住率，因为人口和占用率都是标准化的，因为我已经预测了更高的数量。我确信模型不好，如何解释RMSE和MAE的结果。此外，这幅图也显示出这并不是很好的预测，我是否用正确的方法来预测车辆的占用率。

请帮我做以下几件事

1. 随机森林回归是解决这一问题的好方法吗？
2. 如何改进模型的结果？
3. 如何解释结果

Answer 1

随机森林回归是解决这一问题的好方法吗？

总的来说，决策树往往不是很好的回归者。但对你的情况来说，效果很好。您需要评估与度量对应的结果，然后比较不同的模型。

我喜欢回归模型中的MAE，因为它非常直观。

如何改进模型的结果？

请注意，决策树不需要缩放值才能获得良好的性能。考虑一下

确保模型中有有意义的功能。

尝试不同的模式与不同的超参数。

如果您有分类特性，请使用https://contrib.scikit-learn.org/category_编码器/

如何解释结果

如果您没有缩放目标。你在测量梅。

假设你的MAE = 2，那么你预测的平均误差是2名乘客。