RandomForestClassifier参数min_samples_leaf和min_samples_split理解

而min_samples_split限定,⼀个结点必须要包含⾄少min_samples_split个训练样本,这个结点才允许

被分⽀,否则分⽀就不会发⽣。

min_samples_leaf限定,⼀个结点在分⽀后的每个⼦结点都必须包含⾄少min_samples_leaf个训练样

本,否则分⽀就不会发⽣,或者,分⽀会朝着满⾜每个⼦结点都包含min_samples_leaf个样本的⽅向去

发⽣。⼀般搭配max_depth使⽤,在回归树中有神奇的效果,可以让模型变得更加平滑。这个参数的数量设置

得太⼩会引起过拟合,设置得太⼤就会阻⽌模型学习数据。⼀般来说,建议从=5开始使⽤。如果叶结点

中含有的样本量变化很 ⼤,建议输⼊浮点数作为样本量的百分⽐来使⽤。同时,这个参数可以保证每个

叶⼦的最⼩尺⼨,可以在回归问题中避免低⽅差,过拟合的叶⼦结点出现。对于类别不多的分类问题,

=1通常就是最佳选择。

而min_samples_split限定,⼀个结点必须要包含⾄少min_samples_split个训练样本,这个结点才允许

被分⽀,否则分⽀就不会发⽣。

https://www.cda.cn/discuss/post/details/5ed0b97b845aee319064b59b

你可能感兴趣的:(sklearn)