R 如何生成XG boost/决策树/随机森林模型

我是一个分析新手，正在研究各种方法来生产模型。假设对于线性回归，我们可以得到y=mx+c的方程，我们可以将其用于传入数据，我们可以从R/SAS/Python中取出，并在任何数据库中使用它

如果我想在R/SAS/Python框架之外的传入数据上生成XG boost/Decison tree/Random forest，它是如何工作的？从哪里可以得到自变量的参数

我从哪里得到要实现的等式

---

谢谢

决策树是这三种语句中最简单的一种。GB本质上是自适应的。看起来很复杂，但评分代码并不复杂。射频是最麻烦的，不是因为它的逻辑，而是因为一个不太复杂的射频模型可能有数百万条中频线路。就在头顶上，简直是在杀人

---

与回归模型不同，这三种模型都不应该有任何参数。它们本质上都是树。如果需要在R、P或S之外运行它们，请考虑API的路由。我见过人们用XML非常快速地解析RF。根据交付要求，您可能需要也可能不需要使用微服务。希望这有帮助

决策树是这三种语句中最简单的一种。GB本质上是自适应的。看起来很复杂，但评分代码并不复杂。射频是最麻烦的，不是因为它的逻辑，而是因为一个不太复杂的射频模型可能有数百万条中频线路。就在头顶上，简直是在杀人

---

与回归模型不同，这三种模型都不应该有任何参数。它们本质上都是树。如果需要在R、P或S之外运行它们，请考虑API的路由。我见过人们用XML非常快速地解析RF。根据交付要求，您可能需要也可能不需要使用微服务。希望这有帮助

你回答了一个有遗漏和误解的未回答问题，并提供了一些有用的建议。答案相当简洁和开放，但这至少在一定程度上反映了问题中的差距。你可以得到我的+1来获得一些进步。理想情况下，OP会要求澄清（对过程中的问题做出一些澄清），你会为未来的读者改进答案。你回答了一个有遗漏和误解的未回答问题，并提供了一些有用的建议。答案相当简洁和开放，但这至少在一定程度上反映了问题中的差距。你可以得到我的+1来获得一些进步。理想情况下，OP会要求澄清（对过程中的问题做一些澄清），你会为未来的读者改进答案。