哪位老大能告诉我，经典回归的方法好呢还是随机森林的方法好呢？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

最近在看一些文章，关于随机森林的，都说是预测很强。但是这种方法忽视了正态分布之类的等等经典回归的那些假设，不知道究竟哪种方法建模好一些呢？

还在学习中，上面的观点只是抛砖引玉，千万千万表拍死猫。谢谢。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：随机森林 抛砖引玉 正态分布 不知道 经典 森林

建议楼主先学习,这些问题如果你真的把理论搞懂了自己就会有判断,即使别人给你什么建议你自己学会需要多长时间?是否可行?这些都是技术应用的成本当加以仔细考虑.

同意第二楼观点

经典回归解释性能强，回归系数可以用经济含义解释，适合做实证研究。但由于可能的过度拟合或者拟合不足3问题，可能导致预测性能不佳，要解决这个问题又会涉及到变量选择和变量转换，加惩罚项的问题。
随机森林类似黑箱，模型不易用经济含义解释，但由于在种树时会随机选取特征变量，并汇总每棵树的预测结果(回归问题取均值或众数，分类问题则投票），省去了模型选择的问题，并抑制了过度拟合的现象，从而提高了预测精度，适合用来解决实际问题。随机森林也是用来解决高维数据建模（p>n）的一种思路。
论算法复杂度，通常随机森林更复杂。

牛x牌生发灵 发表于 2013-11-20 09:28
经典回归解释性能强，回归系数可以用经济含义解释，适合做实证研究。但由于可能的过度拟合或者拟合不足3问题 ...

谢谢您的回复。

其实或许这2种方法就不应该做比较？

传统的经典回归通常的步骤是假定分布-假设检验-p值的经典统计过程，但是随机森林完全抛弃了这种思路。
不是说随机森林不好，因为它又给了一个很强的预测。

所以什么时候该用什么方法我依旧很不能确定。或许是用传统的方式建模久了，感觉随机森林这种忽视变量之间关系的方法（例如价格上升，销售数量势必下降，这种简单的关系式都忽视），心里暂时有些难以接受。

抛砖引玉，继续希望高人发表见解，谢谢。

You know, for traditional regression-based mode,prior assumptions make it far away from reality though simplify the problem and undermine the prediction accuracy. Anyway, it is consistent with causual relationship where economists care about a lot.

RF is supposed to establish a black-box machine. We input everything it requires and it outputs what we need. Compared to statistical or economic theory, efficient algorithm with low computational cost, neat/clean code, and optimized prediction results are much more concerned by machine learning guys

牛x牌生发灵 发表于 2013-11-21 05:40
You know, for traditional regression-based mode,prior assumptions make it far away from reality thou ...

谢谢回复啊，虽然道理是这样的，但是我感觉如果建模的时候完全抛弃了传统的建模方法而选用随机森林还是有待商讨的。

发现这篇文章，正在阅读中，感觉很有兴趣的说 Disseminate.pdf (300.25 KB)

2013-11-22 05:07:01 上传

。为了方便以后的同学或许会遇到与我一样的问题，特意上传。

顶一下