什么是随机森林回归算法(RandomForestRegression) - 云原生数据库 PolarDB

本文介绍了随机森林回归算法（Random Forest Regression）相关内容。

简介

随机森林回归算法（Random Forest Regression）是随机森林（Random Forest）的重要应用分支。随机森林回归模型通过随机抽取样本和特征，建立多棵相互不关联的决策树，通过并行的方式获得预测结果。每棵决策树都能通过抽取的样本和特征得出一个预测结果，通过综合所有树的结果取平均值，得到整个森林的回归预测结果。

使用场景

随机森林回归算法在对数据维度要求相对较低（几十维），同时对准确性要求较高的场景下使用。

例如，预测Twitter的某一话题的热度，可以使用随机森林回归模型来处理。模型的输入可以是话题的特征，比如话题在某时刻产生的讨论组数量、参与该话题讨论的人数和话题关注度等。模型的输出是平均每小时的活跃讨论组的数量，是一个正的浮点数，值越大热度越高。

参数说明

下表中的参数为创建模型CREATE MODEL语法中model_parameter参数的取值，您可以根据当前需求选择对应的参数。

参数	说明
n_estimators	迭代次数。次数越多拟合越好，通常为正整数，默认值为100。
objective	学习任务及相应的学习目标。取值如下： mse（默认）：使用均方误差。 mae：使用平均绝对误差。
max_features	决定划分时考虑的最大特征数量。取值如下： sqrt（默认）：表示最大特征数量为`sqrt(n_features)`。整数：表示最大特征数量为`max_features`，取值必须在`0~n_features`之间，包括`n_features`，`n_features`为建模时使用的特征字段的数量。浮点数：表示最大特征数量为`max_features*n_features`。 log2：表示最大特征数量为`log2(n_features)`。
random_state	随机状态。通常为正整数，默认值为1。
n_jobs	并行线程数。数量越多训练速度越快，通常为正整数，默认值为4。
max_depth	每棵树的最大深度。通常为正整数，默认值为None。说明当设置为None时，表示对树的深度没有限制。

示例

创建模型与模型离线训练

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

模型评估

/*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');

模型预测

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

说明

其中，x_cols和y_cols中的列数据类型必须是浮点型或整型。