什麼是隨機森林迴歸演算法(RandomForestRegression) - PolarDB

本文介紹了隨機森林迴歸演算法（Random Forest Regression）相關內容。

簡介

隨機森林迴歸演算法（Random Forest Regression）是隨機森林（Random Forest）的重要套用分支。隨機森林迴歸模型通過隨機抽取樣本和特徵，建立多棵相互不關聯的決策樹，通過並行的方式獲得預測結果。每棵決策樹都能通過抽取的樣本和特徵得出一個預測結果，通過綜合所有樹的結果取平均值，得到整個森林的迴歸預測結果。

使用情境

隨機森林迴歸演算法在對資料維度要求相對較低（幾十維），同時對準確性要求較高的情境下使用。

例如，預測Twitter的某一話題的熱度，可以使用隨機森林迴歸模型來處理。模型的輸入可以是話題的特徵，比如話題在某時刻產生的討論群組數量、參與該話題討論的人數和話題關注度等。模型的輸出是平均每小時的活躍討論群組的數量，是一個正的浮點數，值越大熱度越高。

參數說明

下表中的參數為建立模型CREATE MODEL文法中model_parameter參數的取值，您可以根據當前需求選擇對應的參數。

參數	說明
n_estimators	迭代次數。次數越多擬合越好，通常為正整數，預設值為100。
objective	學習任務及相應的學習目標。取值如下： mse（預設）：使用均方誤差。 mae：使用平均絕對誤差。
max_features	決定劃分時考慮的最大特徵數量。取值如下： sqrt（預設）：表示最大特徵數量為`sqrt(n_features)`。整數：表示最大特徵數量為`max_features`，取值必須在`0~n_features`之間，包括`n_features`，`n_features`為建模時使用的特徵欄位的數量。浮點數：表示最大特徵數量為`max_features*n_features`。 log2：表示最大特徵數量為`log2(n_features)`。
random_state	隨機狀態。通常為正整數，預設值為1。
n_jobs	並行線程數。數量越多訓練速度越快，通常為正整數，預設值為4。
max_depth	每棵樹的最大深度。通常為正整數，預設值為None。說明當設定為None時，表示對樹的深度沒有限制。

樣本

建立模型與模型離線訓練

/*polar4ai*/CREATE MODEL randomforestreg1 WITH
( model_class = 'randomforestreg', x_cols = 'dx1,dx2', y_cols='y',
 model_parameter=(objective='mse')) AS (SELECT * FROM db4ai.testdata1);

模型評估

/*polar4ai*/SELECT dx1,dx2 FROM EVALUATE(MODEL randomforestreg1, 
SELECT * FROM db4ai.testdata1 LIMIT 10) WITH 
(x_cols = 'dx1,dx2',y_cols='y',metrics='r2_score');

模型預測

/*polar4ai*/SELECT dx1,dx2 FROM
PREDICT(MODEL randomforestreg1, SELECT * FROM db4ai.testdata1 LIMIT 10)
WITH (x_cols = 'dx1,dx2');

說明

其中，x_cols和y_cols中的列資料類型必須是浮點型或整型。