インテル® DAAL 2018 デベロッパー・ガイド
np 次元の n 特徴ベクトル X = { x1= (x11,…,x1p), ..., xn= (xn1,…,xnp) } および従属変数のベクトル y = (y1, … ,yn) で、予測値と真値間の平均二乗誤差 (MSE) を最小化するランダムフォレスト回帰モデルを作成します。
ランダムフォレスト分類器は、次のように計算された、不純度メトリックとして分散を含むランダムフォレスト訓練のアルゴリズム・フレームワークに従います。
ランダムフォレスト回帰モデルとベクトル x1, ..., xr で、これらのベクトルの応答を計算します。指定された各クエリーベクトル xi について解くため、アルゴリズムは従属変数の平均としてその木に応答する森の木の葉ノードを見つけます。森は、木の応答の平均として応答を予測します。
ランダムフォレスト回帰は、ランダムフォレストの OOB (Out-of-bag) 誤差を計算するアルゴリズム・フレームワークに従います。ここで、すべての木の OOB 予測の合算およびランダムフォレストの OOB 誤差の計算は次のように行われます。