Random Forest接受数值数据 . 通常将具有文本数据的特征转换为数字类别，并且连续数字数据按原样馈送而不进行离散化 . RF如何处理连续数据以创建节点？它会在内部存储连续数值数据吗？或将每个数据视为离散级别 .
例如：我想将数据集（在对文本特征进行分类之后）提供给RF . RF如何处理连续数据？在喂食之前，是否建议将连续数据（在这种情况下为经度和纬度）进行离散化？或者这样做的信息丢失了？
据我所知，您在询问如何为连续功能选择阈值 . 分类发生在您的类更改的值处 . 例如，考虑以下1D数据集，其中 x 为特征， y 为类变量
x
y
x = [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10] y = [ 1, 1, 0, 0, 0, 0, 0, 1, 1, 1]
将考虑两种可能的候选切口：（i）介于2和3之间（实际上看起来像x <2.5）和（ii）介于7和8之间（x <7.5） . 在这两个候选者中，将选择第二个候选者，因为它提供了更好的分离 . 算法进入下一步 .
因此，不建议您自己对数据进行离散化 . 请考虑上面的数据 . 例如，如果您将5 b bin [1, 2 | 3, 4 | 5, 6 | 7, 8 | 9, 10] 中的数据离散化，则会错过最佳分割（因为7和8将在一个bin中） .
[1, 2 | 3, 4 | 5, 6 | 7, 8 | 9, 10]
你问的是 DecisionTrees . 因为 RandomForest 是整体模型，并且它本身对数据一无所知，所以它完全依赖于基本估计器的判决（在本例中为 DecisionTrees ），并聚合它们 .
DecisionTrees
RandomForest
那么， DecisionTree 如何处理持续的功能：请查看this官方文档页面 . DecisionTreeClassifier 适用于连续数据集（Fisher虹膜），如果您将查看树的图片 - 它在此节点上的某个选定要素的每个节点中具有阈值 .
DecisionTree
DecisionTreeClassifier
2 回答
据我所知，您在询问如何为连续功能选择阈值 . 分类发生在您的类更改的值处 . 例如，考虑以下1D数据集，其中
x为特征，y为类变量将考虑两种可能的候选切口：（i）介于2和3之间（实际上看起来像x <2.5）和（ii）介于7和8之间（x <7.5） . 在这两个候选者中，将选择第二个候选者，因为它提供了更好的分离 . 算法进入下一步 .
因此，不建议您自己对数据进行离散化 . 请考虑上面的数据 . 例如，如果您将5 b bin
[1, 2 | 3, 4 | 5, 6 | 7, 8 | 9, 10]中的数据离散化，则会错过最佳分割（因为7和8将在一个bin中） .你问的是
DecisionTrees. 因为RandomForest是整体模型，并且它本身对数据一无所知，所以它完全依赖于基本估计器的判决（在本例中为DecisionTrees），并聚合它们 .那么，
DecisionTree如何处理持续的功能：请查看this官方文档页面 .DecisionTreeClassifier适用于连续数据集（Fisher虹膜），如果您将查看树的图片 - 它在此节点上的某个选定要素的每个节点中具有阈值 .