【发布时间】：2024-04-16 01:45:01
【问题描述】：
在我读到关于 RF 的任何地方，Out of bag 样本都用于评估随机森林的性能。但是这个评估究竟会发生什么？阅读它只是说为每棵树重复递归节点分裂的算法。而且树是独立的。那么究竟有什么可以训练和最小化呢？
【问题讨论】：
标签： random-forest
【发布时间】：2024-04-16 01:45:01
【问题描述】：
在 RF 中，OOB 验证集可用于删除模型中的冗余特征。可以从每棵树中一个一个地删除潜在的冗余特征，然后您可以检查 OOB 验证集的准确性是否真的提高了。
因此，您首先生成树，然后单独优化它们删除冗余特征，然后以 RF 方式将它们组合在一起（让它们对传入的实例进行投票）。如果树是不相关的，它们将抵消每棵特定树的错误。
检查此post中的删除冗余功能部分
【讨论】：
-
那么减少你可能选择的唯一东西的特征，深度或其他特征保持不变？你还在使用曾经使用过它们的老树吗？据我所知，没有任何东西被删除或修剪？