Python随机森林调参红酒品质预测

cv_score = model_selection.cross_val_score(RF_clf,xtrain,ytrain,scoring=‘accuracy’,cv=10); #scoring=‘accuracy’ 正确率

print(“cv_score”,cv_score);

print(“cv_score_mean”,cv_score.mean()); #mean()平均值

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518223014892.png)  

此时 什么参数都没有调 平均的score已经达到0.7998  

6.调参  

我们首先调n\_estimators  

默认的n\_estimators值是100，  

我们让n\_estimators从50开始 每次加10 最高到300 运行看平均score有什么变化

n_estimators_score = [];

for n in np.arange(50,300,10):

RF_clf = RandomForestClassifier(n_estimators=n);

cv_score = model_selection.cross_val_score(RF_clf, xtrain, ytrain, scoring='accuracy',cv=10);  # scoring='accuracy' 正确率

n_estimators_score.append(cv_score.mean());

plt.figure();

plt.plot(np.arange(50,300,10),n_estimators_score);

plt.show();

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518223400719.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzNTEwOQ==,size_16,color_FFFFFF,t_70)  

我们可以看到此时score在0.7825-0.801波动  

在70左右取得较高的值  

所有我们进一步 让n\_estimators从60取到80 看看具体那一个值最好  

这次我们直接用GridSearchCV

param_grid = {‘n_estimators’:range(60,80,1)};

rfc1 = model_selection.GridSearchCV(RandomForestClassifier(),param_grid=param_grid,cv=5);

rfc1.fit(xtrain,ytrain);

print(“best_params_”,rfc1.best_params_);

print(“best_score_”,rfc1.best_score_);

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518224142418.png)  

现在就以n\_estimators=79为值 调一下max\_depth

param_grid = {‘n_estimators’:[79],‘max_depth’:range(5,30,1)};

rfc1 = model_selection.GridSearchCV(RandomForestClassifier(),param_grid=param_grid,cv=5);

rfc1.fit(xtrain,ytrain);

print(“best_params_”,rfc1.best_params_);

print(“best_score_”,rfc1.best_score_);

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518224509619.png)  

增长了0.003左右  

我们继续在以上两个值的基础上 调一下min\_samples\_leaf

param_grid = {‘n_estimators’:[79],‘max_depth’:[24],‘min_samples_leaf’:range(1,10,1)};

rfc1 = model_selection.GridSearchCV(RandomForestClassifier(),param_grid=param_grid,cv=5);

rfc1.fit(xtrain,ytrain);

print(“best_params_”,rfc1.best_params_);

print(“best_score_”,rfc1.best_score_);

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518224927869.png)  

可以看到调优之后 反而没有原来的好，那基本就说明 调优之后复杂度减少反而不好 所以我们就增大特征来看看 让复杂度增大试试看

param_grid = {‘n_estimators’:[79],‘max_depth’:[24],‘max_features’:range(3,10,1)};

rfc1 = model_selection.GridSearchCV(RandomForestClassifier(),param_grid=param_grid,cv=5);

rfc1.fit(xtrain,ytrain);

print(“best_params_”,rfc1.best_params_);

print(“best_score_”,rfc1.best_score_);

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518225352982.png)  

还是比上一个少了  

那n\_estimators’=79，‘max\_depth’=24 基本就可以了  

我们用这两个参数 训练预测一下看看结果如何



oob\_score=true 因为随机森林是随机取样的 所以总有一些样本没有取到，那么我们不能浪费啊 可以使用那些没有取到的样本对训练出来的模型进行评估

rfc = RandomForestClassifier(n_estimators=79,max_depth=24,oob_score=True,random_state=1);

rfc.fit(xtrain,ytrain);

print(“oob_score”,rfc.oob_score_);

print(“score”,rfc.score(xtest,ytext));

array = rfc.feature_importances_;

输出  

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200518230309213.png)  

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！



### 一、Python所有方向的学习路线



Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。



![](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)



### 二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。



![](https://img-blog.csdnimg.cn/img_convert/8c4513c1a906b72cbf93031e6781512b.png)



### 三、全套PDF电子书



书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

![](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)



### 四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。



![](https://img-blog.csdnimg.cn/afc935d834c5452090670f48eda180e0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56iL5bqP5aqb56eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)



### 五、实战案例



光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。



![](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)



### 六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。



![](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)  

![](https://img-blog.csdnimg.cn/img_convert/d2d978bb523c810abca3abe69e09bc1a.png)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**