我正在学习随机森林回归模型。我知道它形成许多Trees（模型），然后我们可以通过平均所有Trees的结果来预测目标变量。我对决策树回归算法也有一定的了解。我们如何形成最佳数量的树木？
例如，我有一个数据集，可以预测人的薪水，而我只有两个输入变量，即“经验年数”，“绩效得分”，那么我可以使用这种数据集形成多少棵随机树？随机林树是否取决于输入变量的数量？任何良好的榜样将不胜感激..
预先感谢
答案 0 :(得分：0)
决策树在整个数据集中训练模型，并且仅创建一个模型。在随机森林中，将创建多个决策树，并通过限制行数和特征在数据子集上训练每个决策树。就您而言，您只有两个功能，因此该模型将在数据子集上创建和训练数据。
您可以为数据创建任意数量的随机树。通常在随机森林中，更多的树可带来更好的性能，但也会增加计算时间。实验数据，看看不同数量的树之间的性能变化。如果性能保持不变，则使用较少的树以加快计算速度。您可以为此使用网格搜索。
您还可以尝试其他ml模型，例如线性回归，这可能在您的情况下效果很好。