訓練されたランダムフォレストがある場合、テストサンプルで各クラスがフォレストによって獲得した投票数を取得する方法はありますか?投票の割合はさらに良いでしょう。
CVRTrees :: predictのようなものですが、予測されたクラスとともに生の出力を取得します。
ありがとう
編集私の目標をさらに説明するために、私の問題を解決する答えを得る可能性があり、必ずしも私の質問ではありません。
私がどれだけ知っているか答えるために、それは非常に少ないです。
これは実際のアプリケーションであり、私はこれらすべてについてできるだけ早く自分自身を理解しようとしています。
基本的に、私は識別分類器を研究していますが、2つ(またはそれ以上)の独立した分類器間で出力を比較できる必要があるという要件があります。私は、クラスのセット全体について知っているかもしれないし、知らないかもしれないという意味で独立していることを意味しますが、すべての分類子がそのようなクラスのサブセットを含むクラスのセットが存在します。
私の最初の目的は、各分類子から分類に関するメタ情報を収集することです。これには、理想的には何らかの形式が含まれます(15%がAで、78%がBである可能性があります)[チャンスは悪い言葉ですが、私はそれを残します]。その出力を取得できれば、各分類器に割り当てられた動的パフォーマンスの重みに基づいて最終的な分類を実行できます。
アイデアは、非常に単純なルールベースの分類器を使用して初期分類を行うことができ、よりエキゾチックな分類器にはトレーニングする時間があります。理想的には、学習分類器はルール分類器よりも多くのクラスをサポートする可能性があり、時間の経過とともに主に使用されます。