请教随机森林、决策树、时间序列、线性回归、LSTM等算法都分别适合哪些问题

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

看了好多算法，觉得都挺有用的。也看了一些例子，用这些算法去做分析预测。但是一直不知道这些算法分别适合哪些问题。特别是，看到一些例子，居然是用很多算法来做分析，然后取一个平均值。这就更让我糊涂了。有大神能大概说一说吗？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3 回帖

关键词：分析预测 问题。 有用的 平均值 说一说

这个建议看一看科普性的帖子，首先时间序列是一类以时间轴为变化的问题，比如每年每个月都有cpi，做时间序列预测可以用ARMA、指数平滑之类的模型，LSTM也是可以的；另外就是目前机器学习需要解决的主要问题，比如回归、分类，回归就是预测数值型的，比如根据身高，年龄两个指标预测体重；分类就是预测类别，比如在信用卡申请时，根据客户的历史信用、教育水平、婚姻状态等信息预测该客户是否是欺诈客户；线性回归就是回归类算法，决策树有回归和分类都能做的，比如cart，随机森林也都可以做，实际上通常讲的随机森林就是把多颗决策树组合在一起，即平均或者投票的方式组合得到更精确的结果（三个臭皮匠赛过诸葛亮），随机森林是集成学习的一种，叫bagging，还有boosting方法，lstm是神经网络的一种，需要讲的太多了，还是自己先去了解吧。。。

楼主，我也看到了有的论文用两种算法一种是ARMA得到预测值，另一种是LSTM得到预测值，然后取平均值，我也不懂为什么可以这样做，请问楼主知道吗