J'ai un problème de régression multi-sorties avec fonctions d'entrée et sorties. Les sorties ont une structure de corrélation complexe et non linéaire.d y
Je voudrais utiliser des forêts aléatoires pour faire la régression. Pour autant que je sache, les forêts aléatoires pour la régression ne fonctionnent qu'avec une seule sortie, donc je devrais former forêts aléatoires - une pour chaque sortie. Cela ignore leurs corrélations.
Existe-t-il une extension aux forêts aléatoires qui prend en compte les corrélations de sortie? Peut-être quelque chose comme la régression du processus gaussien pour l'apprentissage multi-tâches .
Réponses:
Voici un exemple d'un problème de régression à sorties multiples entrepris avec la reconnaissance faciale. Il comprend également un échantillon de codage, il devrait vous donner un début avec votre méthodologie. http://scikit-learn.org/stable/auto_examples/plot_multioutput_face_completion.html
la source
Il existe un nouveau package spécialement pour cela (non testé personnellement)
https://cran.r-project.org/package=MultivariateRandomForest
la source