Random Forests^® 回帰の概要

Random Forests^® 回帰を使用して、連続およびカテゴリ予測変数が多数ある、連続応答の高性能予測モデルを作成します。Random Forests^® 回帰多くのCART®ツリーからの情報を組み合わせて、データマイニング技術の大幅な進歩を提供します。

Random Forests^® 回帰は製造品質管理、創薬、不正検出、クレジットスコアの算出、解約予測など、幅広い応用に関する洞察を提供します。この結果を使用して、重要な変数を識別し、望ましい特性をもつデータ内のグループを識別し、新しい観測値の応答値を予測します。たとえば、ある市場調査員は、Random Forests^® 回帰を使用して、特定の戦略に対する反応率が高い顧客を特定し、その反応率を予測します。

CART^® 回帰は優れたデータ探索分析ツールであり、重要な予測変数を迅速に特定するためのわかりやすいモデルを提供します。ただし、CART^® 回帰で最初の探索を行った後は 、TreeNet^® 回帰を検討するか、Random Forests^® 回帰を必要なフォローアップステップとして検討してください。

Random Forests^® 回帰出力には、相対変数重要度チャート、および実測値対適合値のプロットが含まれます。これらのプロットは、モデル内の変数が応答クラスを高精度に予測するかどうかを評価するのに役立ち、予測精度に最も重要な予測変数を特定するのに役立ちます。この情報は、最適な計算結果を実現する設定を制御する場合に役立ちます。

この方法は、カリフォルニア大学バークレー校のLeo BreimanとAdele Cutlerによって開発されました。