Numero minimo di osservazioni durante l'esecuzione di Foresta casuale

Question

È possibile applicare RandomForests a set di dati molto piccoli? Ho un set di dati con molte variabili ma solo 25 osservazioni ciascuna. Le foreste casuali producono risultati ragionevoli con errori OOB bassi (10-25%). Esiste qualche regola empirica riguardo al numero minimo di osservazioni da utilizzare? Infatti una variabile di risposta è sbilanciata, e se ho intenzione di sottocampione, finirò con un numero ancora più piccolo di osservazioni. Grazie in anticipo

Answer 1

Assolutamente RF può essere utilizzato su questo tipo di set di dati (ad es. P> n). Infatti usano RF in campi come la genomica dove il numero di campi> = 20000 e ci sono solo un numero molto piccolo di righe - diciamo 10-12. L'intero problema è capire quale delle 20k variabili costituirebbe un indicatore parsimonioso (cioè la selezione delle caratteristiche è l'intero problema).

Non ho alcun ROT sulla dimensione minima se non se il modello non funziona bene su un campione trattenuto (o la convalida incrociata Hold-One-Back potrebbe funzionare bene nel tuo caso) bene allora dovresti provare qualcos'altro.

Spero che questo aiuti