Machine learning 随机林实现之间的差异

在H2O中实现随机林与标准随机林库之间是否存在性能差异

---

有没有人对这两种实现进行过分析

我想你在找这个：

我想你在找这个：

这是一个开放的基准测试，你可以从它开始

---

这里是一个开放的基准测试，您可以从它开始

---

请注意，这个基准大约有四年历史，已经过时，尽管帖子上奇怪地写着2017年。（看看底部评论上的2015年日期。）还要注意作者Erin现在在H2O（完全披露：我也是）。好吧，至少这篇文章可以作为一个开始。我同意，H2O可能更好。作为wise.io基准测试文章的作者，是的，它已经过时了。randomForest R代码自那时以来变化不大，但H2O和sklearn RF实现在过去4年中都有了很大的改进。@AndreyLukyanenko如果您对H2O RF实现如何更好有具体建议，请将您的想法发送到我们的邮件列表（或者更好，提出请求）：@Erin LeDell我的意思是，我认为H2O比RF实现更好（在本例中可能=不确定，但这样认为）。抱歉误解。请注意，这个基准大约有四年历史，已经过时了，尽管帖子上奇怪地写着2017年。（看看底部评论上的2015年日期。）还要注意作者Erin现在在H2O（完全披露：我也是）。好吧，至少这篇文章可以作为一个开始。我同意，H2O可能更好。作为wise.io基准测试文章的作者，是的，它已经过时了。randomForest R代码自那时以来变化不大，但H2O和sklearn RF实现在过去4年中都有了很大的改进。@AndreyLukyanenko如果您对H2O RF实现如何更好有具体建议，请将您的想法发送到我们的邮件列表（或者更好，提出请求）：@Erin LeDell我的意思是，我认为H2O比RF实现更好（在本例中可能=不确定，但这样认为）。对不起，误会了。