RFCDE：用于条件密度估计的随机森林
机器学习
2018-05-04 v2 机器学习
摘要
随机森林是一种常用的非参数回归技术，对于混合类型数据和无关协变量表现良好，同时对单调变量变换具有鲁棒性。现有的随机森林实现针对回归或分类。我们介绍了 RFCDE 包，用于拟合针对非参数条件密度估计（包括多个响应的联合密度）优化的随机森林模型。这使得对条件概率分布的分析成为可能，有助于传播不确定性，并分析描述多个响应与协变量之间关系的联合分布。RFCDE 在 MIT 开源许可下发布，可在 https://github.com/tpospisi/rfcde 访问。提供了调用通用 C++ 库的 R 和 Python 版本。
引用
@article{arxiv.1804.05753,
title = {RFCDE: Random Forests for Conditional Density Estimation},
author = {Taylor Pospisil and Ann B. Lee},
journal= {arXiv preprint arXiv:1804.05753},
year = {2018}
}
备注
Fix URL in Arxiv abstract