Какие значения могут принимать предсказания случайного леса

Случайный лес предсказывает:

• Для классификации: вероятности классов (при predict_proba()) или метки класса (при predict())
• Для регрессии: вещественные числа (среднее предсказаний деревьев)

Пример классификации:

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
model.fit(X_train, y_train)
probas = model.predict_proba(X_test)  # массив вероятностей
classes = model.predict(X_test)  # метки классов

Пример регрессии:

from sklearn.ensemble import RandomForestRegressor
model = RandomForestRegressor()
model.fit(X_train, y_train)
predictions = model.predict(X_test)  # вещественные числа

Нюансы:

• Вероятности не калиброваны (могут быть смещены)
• Для мультикласса сумма вероятностей по строке = 1
• В регрессии предсказания могут выходить за диапазон обучающих данных