Random Forestを用いた欠測 データの補完とその応用
Random Forestを用いた欠測 デ タの補完とその応用 データの補完とその応用 2010年11月16日 大学入試センター 研究開発部 石岡 恒憲 研究開発部 石岡 恒憲 1 欠測デ タの取り扱い 欠測データの取り扱い � 欠測データの補完(impute)；欠測値を埋める � 欠測データの補完(impute)；欠測値を埋める � 欠測の確率をモデル化(Rubin,1976) � Missing completely at random, MCAR; 欠測するかどうかはモデリングに用いている変 数に依存しない � Missing at random, MAR;欠測するかどう g , ;欠測する う かは欠測値に依存せずに観測値に依存する � Not missing at random NMAR;欠測値は � Not missing at random, NMAR;欠測値は 観測していな
random forestを予測以外の目的で使う - 琥珀色呑んだくれ備忘録
数年ほど前には最強と言われて一世を風靡していたrandom forestだが、予測以外にも使い道が提案されている。Rのパッケージから紹介したい。 予測全体の把握と仮説ルールの抽出 決定木分析が便利な理由の一つは「どういうルールでその予測が成り立っているのか」を極めて簡単に可視化出来る点。inTreesパッケージは予測ルールを集計し、適当に枝狩りして全体を要約することで、アンサンブルモデルにおいても決定木と同じような情報を可視化してくれる。 Interpreting Tree Ensembles with inTrees from Satoshi Kato www.slideshare.net このパッケージではもう一つ、すべての木から取り出した１つずつの枝をトランザクションとみなしてアソシエーション分析する機能を提供する。メジャーな関連ルールを取り出す方に力点が置かれているが、変数同士の稀
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
