是否可以将随机森林应用于非常小的数据集？我有一个数据集，包含许多变量，但每个变量只有25个观测值。随机森林产生了合理的结果，OOB错误率较低（10-25%）。关于使用的最小观测数量是否有任何经验法则？实际上，其中一个响应变量是不平衡的，如果我打算对其进行子抽样，最终将得到更少的观测数量。提前感谢

回答：

绝对可以将随机森林用于这种类型的数据集（即p>n）。事实上，他们在基因组学等领域使用随机森林，那里的字段数量>=20000，而行数非常少——比如说10-12。整个问题在于找出2万个变量中哪些能构成一个简洁的标记（即特征选择是整个问题）。

关于最小样本量的经验法则，我没有其他建议，除了如果你的模型在保留样本上表现不好（或者在你的情况下，保留一个样本的交叉验证可能效果不错），那么你应该尝试其他方法。

希望这对你有帮助