随机森林回归分析怎么做:特征重要性与预测精度
随机森林回归分析把多棵树的预测取平均,用于连续目标的非线性预测;特征重要性说明模型依赖哪些输入,预测精度要看交叉验证。增加树数与限制单棵树复杂度是不同的操作,训练拟合很高时,应先检查验证误差与数据结构。
随机森林回归分析的数据要怎么排
一行对应一个预测对象,目标列保存连续测量结果,自变量列保存预测时已经可用的信息。若同一对象被反复记录,随机分折会共享对象信息,应先按实际应用场景安排验证单位,而不是直接把每行当成独立对象。
以下结果来自本站演示数据(模拟生成,不代表真实研究结论),本例沿用完整的 240 行演示记录。具体方法口径见随机森林回归,变量与设置还需对照报告摘要逐项核对。
森林案例预测门店月度销售额,输入列覆盖广告投入、门店面积与促销指标。各树将不同输入条件组合起来,报告的置换重要性再汇总这些输入对当前模型的贡献;交付模型时需保存列定义,确保新门店提供的是相同含义的资料。
| 数据角色 | 整理方式 | 需要核查的风险 |
|---|---|---|
| 预测目标 | 连续数值单列 | 常数或不真实的变化 |
| 数值输入 | 一列一个特征 | 极端值与采集时点 |
| 类别输入 | 稳定的类别标签 | 新类别与稀少类别 |
| 观测对象 | 保留来源标识 | 重复记录及对象间关联 |
随机森林通过抽样和树的平均减少单棵树的波动,但这不意味着任何数据都适合。重复观测、目标泄漏或预测场景改变,会让漂亮的内部验证指标失去业务含义;进入模型前先确认哪些信息在实际预测时能取得,比盲目加树更关键。
特征重要性与预测精度怎么核对
- 进入「随机森林回归」并载入演示数据,确认目标与输入列分开放置。
- 核对树数、最大深度和叶节点容量,记录测试集比例及随机种子,保留本次演示配置。
- 开始分析后,先读交叉验证均值与折间波动,再把训练折和留出列作为对照。
- 阅读置换重要性时,把贡献大小与区间放在一起,最后核对新对象是否位于训练数据覆盖范围内。
工作台截图用来核对本次变量与选项的搭配。它反映的是建模输入状态,真正的表现仍来自报告中的验证结果;改变配置以后,截图、结果表和文字应对应同一次运行,避免把不同模型混成一个案例。
交叉验证结果怎么看
本次交叉验证 R²=0.3895,区间为 [0.3012, 0.4778],RMSE=9.9870。训练折 R²=0.9199 明显更高,说明训练拟合不能直接代表未见对象的预测表现。
投入指标的置换损失 ΔR²=0.5700,区间 [0.3087, 0.8411];另一个促销指标的区间为 [-0.0271, 0.1077],跨过零,当前结果不足以将它描述为稳定贡献者。这个区间描述重排后的性能损失,而非效应系数的不确定性。

R² 描述相对于均值基线的表现,RMSE 与 MAE 保留目标单位,适合与实际容许误差对照。单看 R² 较难判断业务是否可用:同一个比例指标,在波动尺度不同的目标上可以对应很不一样的误差。

散点和残差图用于寻找预测偏差集中在哪个范围。树模型在样本范围外通常落入边界叶节点,预测趋于固定,因而内部验证的平均成绩并不支持外推;应用对象超出覆盖范围时,应另行采集验证数据。

置换重要性是在固定模型下打乱某列后观察性能损失。相关特征可以共享同一部分信息,打乱一列时其余列仍可补上,所以排序应理解为当前模型的依赖关系,而不是变量的固有价值或改变变量的作用。
随机森林论文结果怎么写
可写为:采用随机森林预测连续目标,五折交叉验证 R²=0.3895,RMSE=9.9870。训练折表现明显高于验证折,提示过拟合风险;置换重要性用于描述模型依赖的输入信息,不作为变量效应的显著性证据。
方法部分还应交代观测单位、数据来源、特征可获得时点、折划分与模型配置。结果部分把交叉验证均值作为主结果,补充折间不确定性和原单位误差;单次留出列来自同一数据源,适合作为补充,不能据此宣称完成外部验证。

随机森林回归常见错误
- 只增加树数处理过拟合:树的平均主要减少方差,单棵树复杂度还要看深度及叶节点容量。
- 将重要性写成回归系数:它描述预测损失,既没有原单位斜率,也没有对应的效应检验。
- 只汇报训练拟合:应优先说明验证表现,并讨论训练与验证的差距。
- 用内部验证支持范围外预测:先核查新数据分布,再安排符合应用场景的验证。
演示数据不用登录就能跑;用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员。演示数据适合熟悉各列指标的含义,实际应用还需要独立定义误差是否可接受。
延伸阅读
常见问题
随机森林回归分析会给出系数吗?
本模块给出预测表现和变量置换重要性,没有原单位回归系数。若目标是解释斜率,需要按研究设计另选相应的回归方法。
特征重要性低是否就能删掉?
应结合特征相关结构与采集成本判断。相关变量可能互相分摊信息,删除后还需重新验证,低重要性也不表示变量完全无关。
预测精度只看 R² 可以吗?
还应看原单位误差、折间波动及数据覆盖范围。模型是否适用取决于实际容许误差,内部验证表现也不保证外推可靠。