20190819 Python练习：RandomForest 之 IRIS 数据集分类

@[TOC] 使用 sklearn 自带的 IRIS 数据集进行分类

-- coding: utf-8 --

使用 RandomForest 对 IRIS 数据集分类

使用 GridSearchCV 寻找最优参数**

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
rf = RandomForestClassifier()
parameters = {“n_estimators”: range(1,11)} # estimator: 估计量
iris = load_iris()

使用 GridSearchCV 进行参数调优 /param 参数

clf = GridSearchCV(estimator=rf, param_grid=parameters)

对 iris 数据集进行分类

clf.fit(iris.data, iris.target)
print(“最优分数：%.4lf” %clf.best_score_)
print(“最优参数：”, clf.best_params_)

运行结果：
最优分数：0.9667
最优参数： {‘n_estimators’: 7}

# 随机森林模型创建好后使用 fit 函数拟合 — 使用 predict 函数预测
学习极客时间-陈旸老师的数据分析课程笔记