当涉及到预测数据(时间序列或其他类型的序列)时，人们会关注基本回归、ARIMA、ARMA、GARCH，甚至Prophet，但不排除使用随机森林来预测数据。

随机森林通常被认为是一种分类技术，但回归问题绝对是随机森林可以处理的。

在本文中，我打算使用在网上找到的一个数据集，叫做温莎市房屋销售价格。出于写作的目的，我将只使用价格(price)和批量(lotsize)列。注:在以后的文章中，我打算摒弃这些数据，并对随机森林进行多元回归。

为了开始，先让我们导入项目开始所需的所有库。和往常一样，你可以在这里使用jupyter笔记本来运行这个分析。

现在来加载数据:

同样，我们只使用数据集中的两列—价格(price)和批量(lotsize)。让我们把这些数据画出来，直观地看一看，用批量(lotsize)来预测价格(price)是否有意义。

从数据来看，使用批量来预测价格似乎是一个不错的猜测。

现在，让我们准备好数据集来训练和测试数据。

在上面，我们把随机森林回归量设置为X和y，然后设置我们的训练和测试数据。对于训练数据，我们将取前400个数据点来进行随机森林训练，然后对最后146个数据点进行测试。

现在，让我们运行随机森林回归模型。首先，我们需要从sklearn中导入Random Forest regression:

现在是时候让我们来运行随机森林回归看看会得到什么。

让我们可视化价格(price)和预测价格(predicted_price)。

对于批量(lotsize)预测价格(price)这个大胆的猜测来说，结果确实差强人意。从视觉上，它看起来相当不错(尽管肯定有错误)。

让我们看看基本级别的错误。首先，快速地画出两者之间的“区别”。

这里的错误相当大。我们来看一些值，比如R的平方(R-Squared )和均方误差(Mean Squared Error)。首先，让我们从sklearn导入适当的函数。

现在，让我们来看看R的平方(R-Squared):

R-Squared是0.6976，也就是0.7。对于随机猜测来说，结果不是很好，但也不是很糟糕。0.7(或70%)是为了告诉你，大约70%的“信号”变化是由用作预测器的变量解释的。从全局来看，这还不错。

我可以继续进行其他错误的计算，但这篇文章的重点不是展示“准确性”，而是展示如何使用随机森林进行预测的“过程”。

英文原文：https://pythondata.com/forecasting-with-random-forests/
译者：任宇は神様