决策树、随机森林中的多重共线性问题

  统计/机器学习 监督式学习 数据预处理    浏览次数:20582        分享
9

对于线性回归模型,数据中是不能有多重共线性的。我想知道如果使用决策树或者随机森林或者其他一些基于树的模型,数据中的多重共线性的现象对模型有没有什么影响?

谢谢!

 

小齐   2017-09-03 00:06



   3个回答 
10

同意@waccam  说的。随机森林的预测能力不受多重共线性影响。


但是数据的解释性会被多重共线性影响。随机森林可以返回特征的重要性(importantce),当有多重共线性时,importance会被影响。一些具体多重共线性的特征的重要性会被相互抵消,从而影响我们解释和理解特征。


比如说,特征A和B完全一样,我们在用随机森林时,它们的重要性应该非常接近(考虑到随机性)。如果我们在训练前删除特征B,那么特征A的重要性就会翻番。这一下子就影响了我们对特征、数据的理解。

SofaSofa数据科学社区DS面试题库 DS面经

abuu   2017-11-09 15:23

9

多重共线性的特征不会对决策树、随机森林的预测能力有影响。

多重共线性最极端的情况是有两个完全一样的特征,特征A和特征B。当特征A被使用之后,决策树不会再选择使用特征B,因为特征B并没有增加新的有效信息。同理,如何决策树先选择了使用特征B,那么特征A也不会再被使用。

所以基于树的模型不会收到多重共线性的影响。


SofaSofa数据科学社区DS面试题库 DS面经

waccam   2017-11-08 12:38

6

参考这个实验英文原文

如果没时间看的话,我可以直接告诉你结论,多重共线性不影响random forest的预测能力。


SofaSofa数据科学社区DS面试题库 DS面经

sasa   2017-11-08 11:04



  相关讨论

lightgbm怎么处理分类变量?

决策树算法ID3,C4.5和CART的特点、异同?

随机森林中增加树的数量对于偏差和方差的影响

Gradient tree boosting和random forest (随机森林) 有什么区别和联系

决策树是如何得到量化的概率,不只是0或1的标签?

Adaboost里的树有没有可能权重是负数?

Extra Tree算法

关于knn算法中kd树的问题

怎么理解RandomForest中的max_features?

随机森林预测问题

  随便看看

怎么在jupyter notebook里查看python的版本?

如何重命名pandas的dataframe的列名

pip install opencv-python失败,难道非要编译安装?

如果样本不是正态分布,还能用t-test或者z-test吗?

xgboost的gblinear是什么意思?