Yanıtlar:
Hayır.
Rastgele Ormanlar, ağaç bölümleme algoritmalarına dayanır.
Bu nedenle, genel regresyon stratejilerinde bağımsız değişkenlerin birimlerine bağlı olan bir katsayıya benzer bir analog yoktur. Bunun yerine, bir bölümleme kuralları koleksiyonu, temel olarak bir eşik değeri verilen bir karar elde edilir ve bu ölçeklendirme ile değişmemelidir. Başka bir deyişle, ağaçlar sadece özelliklerde rütbeleri görür.
Temel olarak, verilerinizin herhangi bir monotonik dönüşümü ormanı hiç değiştirmemelidir (en yaygın uygulamalarda).
Ayrıca, karar ağaçları genellikle diğer algoritmalarda yakınsama ve hassasiyeti bozan sayısal kararsızlıklara karşı dayanıklıdır.
Genel olarak Firebug ile hemfikirim, ancak tahminci önem puanlarıyla ilgileniyorsanız değişkenlerinizi standartlaştırmanın bir değeri olabilir. RF, verileri bölümlemek için daha fazla fırsat olduğu için oldukça değişken sürekli öngörücülerden yana olacaktır. Bununla birlikte, bu konuyla başa çıkmanın daha iyi bir yolu, bu önyargıya karşı daha sağlam olan belirli yaklaşımları (yani koşullu ormanları kullanarak değiştirmeden örnekleme) kullanmaktır. Bkz. Https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-8-25