机器学习——随机森林,RandomForestClassifier参数含义详解

1.随机森林模型

1 clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=4)
2 rf_clf = clf.fit(x, y.ravel())

  RandomForestClassifier函数的参数含义详解:

  • max_features:随机森林允许单个决策树使用特征的最大数量。 Python为最大特征数提供了多个可选项。 下面是其中的几个:

    Auto/None :简单地选取所有特征,每颗树都可以利用他们。这种情况下,每颗树都没有任何的限制。

    sqrt :此选项是每颗子树可以利用总特征数的平方根个。 例如,如果变量(特征)的总数是100,所以每颗子树只能取其中的10个。“log2”是另一种相似类型的选项。

    0.2:此选项允许每个随机森林的子树可以利用变量(特征)数的20%。如果想考察的特征x%的作用, 我们可以使用“0.X”的格式。

 

  • n_estimators:在利用最大投票数或平均值来预测之前,你想要建立子树的数量。 较多的子树可以让模型有更好的性能,但同时让你的代码变慢。 你应该选择尽可能高的值,只要你的处理器能够承受的住,因为这使你的预测更好更稳定。

  其他参数还包括决策树模型的系列参数。

 

你可能感兴趣的:(机器学习——随机森林,RandomForestClassifier参数含义详解)