我正在进行车辆占用率预测，这对我来说是全新的领域，我使用了随机森林回归来预测占用率值。
我有大约4800万行数据，我使用了所有数据来预测占用率，由于人口和占用率因数值较高而进行了归一化处理，我已经进行了预测。我确信模型效果不好，如何从RMSE和MAE来解释结果？此外，图表显示预测效果不佳，我这样做预测车辆占用率的方法正确吗？
请帮助我解决以下问题，
- 随机森林回归是否是解决这个问题的合适方法？
- 如何改进模型结果？
- 如何从结果中解释数据？
回答：
-
随机森林回归是否是解决这个问题的合适方法？
-> 模型只是一个工具，当然可以使用。然而，没有人能回答它是否合适，因为我们没有研究数据的分布。建议你可以尝试逻辑回归、支持向量机回归等方法。
-
如何改进模型结果？
-> 我有几个改进建议：1.在确认y值列是否有极值之前，不要进行标准化。2.计算RMSE和MAE时，使用原始的y值。3.深入了解业务逻辑并添加新特征。4.在博客上学习数据处理和特征工程的知识。
-
如何从结果中解释数据？
-> 糟糕的结果并不一定意味着没有价值。你需要比较模型是否比现有方法更好，以及是否产生了更多的经济价值。例如，误差是损失，准确率是收益。
希望这些建议能对你有所帮助。
