RFX-Fuse: Breimans Random Forest neu – ein ML‑ und Similarity‑Engine

Mit RFX‑Fuse wird der ursprüngliche Random‑Forest-Ansatz von Breiman und Cutler in seiner vollen, einheitlichen Form wieder zum Leben erweckt. Der neue Engine bietet nicht nur Klassifikation und Regression, sondern auch unüberwachtes Lernen, Ähnlichkeitsmessungen, Ausreißererkennung, fehlende Werte‑Imputation und Visualisierung – alles in einem einzigen Modell.

Im Gegensatz zu heutigen Pipelines, die XGBoost, FAISS, SHAP, Isolation Forest und eigene Skripte kombinieren, lässt RFX‑Fuse mehrere Aufgaben mit einer einzigen Baumstruktur erledigen. Das spart Rechenzeit, Speicher und die Komplexität der Modellverwaltung erheblich.

Besonders hervorzuheben sind die beiden neuen Features: Proximity Importance, das die Ähnlichkeit von Proben misst und gleichzeitig erklärt, warum sie ähnlich sind, sowie die Validierung von Imputationsmethoden anhand von Datensatz‑spezifischen Kriterien. Damit liefert RFX‑Fuse nicht nur Vorhersagen, sondern auch nachvollziehbare Erklärungen und Qualitätskontrolle für fehlende Daten.

RFX‑Fuse unterstützt sowohl GPU als auch CPU und ist damit für moderne Machine‑Learning‑Workflows bestens geeignet. Es vereint die Vision von Breiman und Cutler in einer einzigen, leistungsstarken Bibliothek, die die Komplexität heutiger Tool‑Stacks drastisch reduziert.