从决策树到因果森林:树模型、随机森林与可解释机器学习的完整学习路线

传统统计模型太简单,深度学习又看不懂。随机森林刚好卡在中间------能预测,也能解释。

从基础CART讲起,带你掌握随机森林全套建模流程,再往深走六个方向:可解释AI(SHAP)、异常检测(孤立森林)、极值建模(分位数RF)、不确定性量化(BART)、因果推断(因果RF)、空间异质性(地理加权RF)。

学完你会发现,随机森林不只是个预测工具,更是拆解复杂系统的显微镜。

专题一、树模型基石-从决策规则到可解释智能的起点****

1、数据类型与面临问题的识别

2、分类回归树及随机森林的能够解决的问题:预测与可解释性

3、分类回归树模型的构建

4、分类回归树模型推广:装袋树、袋外误差

案例 一: 经典 论文解析,问题类型识别

案例 二: 用 分类回归树预测臭氧浓度

案例 三:装袋树 模型 下 黑臭 水体 的 分类

专题 二、标准随机森林全过程构建稳健、可发表的预测模型

1、随机森林理论

2、数据预处理:缺失值插补、异常值识别以及时间序列的处理

3、随机森林超参数调优

4、分类与回归问题性能评估

案例四 : 臭氧 浓度 的 随机森林预测

案例五 : 遥感下 土地利用的随机森林分类

案例六 : 基于 基因的 患病几率 预测

专题 三、随机森林的 可解释机器学习(XAI)

1、变量重要性与选择方法:置换法及其指标

2、基于博弈论的指标:SHAP,Conditional SHAP,KernelSHAP, DynamicSHAP等

3、对重要性指标误用的讨论

案例七 : 河道 黑臭的重要影响因素

案例 八: PM10的分区 局部 影响因素

专题 四、异常值处理与分位关联

1、异常值识别的传统方法

2、孤立森林的基本原理

3、孤立森林的实现

4、不同的相关关系:分位数随机森林

案例九 : 蓝藻 爆发的 异常 点识别

专题五、预测 的不确定性 与 极端值 估计

1、置信区间以及为什么需要置信区间

2、分位数回归的基本原理

3、分位数随机森林

4、树的贝叶斯模型:贝叶斯可加回归树

案例 十: 叶绿素A与 营养物质 极值 相关性

案例 十一:用贝叶斯可加回归树预测 混凝土抗压强度及其 不确定性

专题六、异质性处理效应的随机森林解法

1、因果效应潜在结果框架

2、条件平均处理效应

3、异质性效应估计:因果随机森林

案例十二 : 禁排 政策 对湖泊 水质不同区域的 因果 分析

专题七、地理加权随机森林 空间异质性 建模

1、空间异质性:空间不是全局同质的

2、地理加权模型基础

3、局部样本构建与自适应带宽的选择

4、地理加权随机森林

案例 十 三 : PM 10城市 不同 区域 的 效应分析

相关推荐
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
Asher11251 天前
电池数据整理复盘:从 MAT 文件到充电曲线
机器学习
龙腾AI白云1 天前
具身智能的空间导航与未知环境探索
大数据·数据库·人工智能·机器学习·知识图谱
汤姆宝库1 天前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习
回眸&啤酒鸭1 天前
【回眸】Hy4 模型效果展示与能力评测大纲
大数据·人工智能·机器学习
AI小怪兽1 天前
你的视觉基础模型会说“植物语“吗?面向目标检测的视觉基础模型植物语法
人工智能·深度学习·机器学习
峯5801 天前
机器学习05,用 scikit-learn 做加州房价预测的完整入门工程
人工智能·机器学习·scikit-learn
伞伞悦读1 天前
【第86期】分类指标与错误成本对照的实验与排查
大数据·人工智能·机器学习
AI源码1 天前
基于机器学习的优衣库销售预测与决策系统
人工智能·机器学习
Be for thing2 天前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习