MultiOutputRF:为向量扩展随机森林

多输出射频这个类扩展了向量的Scikit-Learn随机森林标准sklearn RF，允许以简单的方式一次回归多个输出。在叶级拆分标量时，RF会尝试最大化产生的杂质。当您必须在向量上进行拆分时，这会变得更加棘手，并且sklearn实现仅采用所有类的平均杂质。这可能不如为输出中的每个维度构建单独的模型那样高效——这正是本模块可以帮助您完成的。

此类具有回调，允许您删除不相关的行和列。您可能希望删除对于一个目标变量来说是很好的示例观察，但对于另一个目标变量来说是坏的、缺失的或不相关的行。您可能希望针对某些特征动态删除列：因为目标A的泄漏信号可能是目标B的一个很好的相关信号。

安装只需使用pip即可安装：

pip install -e git+https://github.com/cemoody/MultiOutputRF.git#egg

相关资源推荐：

1. 回归和分类随机森林

1. 随机森林的python代码

2. Python机器学习算法预测小分子药性（岭回归+随机森林回归+极端森林回归+加权平均融合模型）

3. Python电影观众数量回归分析随机森林可视化

4. Python机器学习利器：scikit-learn库详解