如何获得随机森林算法在您的自变量上使用的最终方程来预测您的因变量？
How to get the final equation that the Random Forest algorithm uses on your independent variables to predict your dependent variable?
我正在优化一个基于制造的数据集，该数据集包含大量可控参数。目标是获得这些参数的最佳 运行 设置。
我在做研究的时候熟悉了几种预测算法，如果我说，使用随机森林来预测我的因变量以了解每个自变量的重要性，有没有办法提取最终的 equation/relationship 算法使用?
我不确定我的问题是否足够清楚，请让我知道我是否可以在这里添加任何其他内容。
没有通用的方法可以从随机森林中获得可解释的方程，解释协变量如何影响因变量。为此，您可以使用更合适的不同模型，例如线性回归（可能使用核函数）或决策树。请注意，您可以使用一个模型进行预测，并使用一个模型进行描述性分析 - 没有固有的理由坚持使用单一模型。
use Random Forest to predict my dependent variable to understand how important each independent variable is
了解每个因变量的重要性，并不一定意味着您需要问题标题中的问题，即获得实际关系。大多数随机森林包都有一种方法可以量化每个协变量对训练集模型的影响程度。
有多种方法可以根据训练好的模型来估计特征重要性。对于随机森林，最著名的方法是 MDI（平均杂质减少）和 MDA（平均精度减少）。许多流行的 ML 库支持开箱即用的随机森林特征重要性估计。
我正在优化一个基于制造的数据集，该数据集包含大量可控参数。目标是获得这些参数的最佳 运行 设置。
我在做研究的时候熟悉了几种预测算法，如果我说，使用随机森林来预测我的因变量以了解每个自变量的重要性，有没有办法提取最终的 equation/relationship 算法使用?
我不确定我的问题是否足够清楚，请让我知道我是否可以在这里添加任何其他内容。
没有通用的方法可以从随机森林中获得可解释的方程，解释协变量如何影响因变量。为此，您可以使用更合适的不同模型，例如线性回归（可能使用核函数）或决策树。请注意，您可以使用一个模型进行预测，并使用一个模型进行描述性分析 - 没有固有的理由坚持使用单一模型。
use Random Forest to predict my dependent variable to understand how important each independent variable is
了解每个因变量的重要性，并不一定意味着您需要问题标题中的问题，即获得实际关系。大多数随机森林包都有一种方法可以量化每个协变量对训练集模型的影响程度。
有多种方法可以根据训练好的模型来估计特征重要性。对于随机森林，最著名的方法是 MDI（平均杂质减少）和 MDA（平均精度减少）。许多流行的 ML 库支持开箱即用的随机森林特征重要性估计。