我不清楚为什么一些在线资源显示多目标随机森林回归被实例化为
model = MultiOutputRegressor(RandomForestRegressor())
对比：
model = RandomForestRegressor()
当两者似乎都产生了多重回归输出时。有人能澄清吗？
内部模型不同，但它们都是多输出回归器。
CCD_ 1为每个目标拟合一个随机林。然后里面的每棵树都在预测你的一个输出。
在没有包装器的情况下，RandomForestRegressor适合同时针对所有输出的树。分割标准基于输出的平均杂质减少量。请参阅《用户指南》。
后者可能在计算上更好，因为正在构建的树更少。它还可以利用这样一个事实，即给定输入的几个输出可以很好地相关。这在用户指南中也有讨论。
我的一些猜测是：另一方面，如果给定输入的几个输出不相关，那么对一个输出有利的内部分割对其他输入可能很糟糕，所以简单地对它们求平均可能不太好。我认为在这种情况下，增加树的复杂性可以减轻问题(但也需要更多的计算(。