【机器学习-参数篇】随机森林RandomForest参数调节

最新推荐文章于 2024-01-31 18:13:57 发布

嘀嗒嘀嘀嗒嘀

最新推荐文章于 2024-01-31 18:13:57 发布

阅读量3.6k

点赞数

分类专栏：机器学习-代码

本文链接：https://blog.csdn.net/ACBattle/article/details/86080144

版权

机器学习-代码专栏收录该内容

9 篇文章 3 订阅

订阅专栏

                    
                    RF框架参数 
名称解释默认值经验值
n_estimators森林中决策树的个数100
criterion度量分裂标准(可选值)mse，mae
oobscore采用袋外样本来评估模型的好坏False推荐True
反应模型拟合后的泛化能力
 
RF决策树参数（和GBDT基本是相同的） 
名称解释默认值经验值
max_featuresRF划分时考虑的最大特征数auto(defult): 划分时最多考虑 
        
             N 
            
           \sqrt{N} 
          
       N 
               
              ​个特征
 
             log 
            
             ⁡ 
            
             2 
            
            N 
           
           \log_2{N} 
          
       log2​N: 划分时最多考虑 
        
             log 
            
             ⁡ 
            
             2 
            
            N 
           
           \log_2{N} 
          
       log2​N个特征
 int(具体值)，float(占总数的百分比)
max_depth决策树最大深度可以不输入10 ~ 100
min_samples_split内部节点再划分所需最小样本数
如果某节点的样本数少于该值，则不会继续再尝试选择最优特征来划分2
min_samples_leaf叶子节点最少样本数1如果样本量不大，可以不管这个值
n_jobs设定fit和predict阶段并列执行得任务个数

名称	解释	默认值	经验值
n_estimators	森林中决策树的个数	100
criterion	度量分裂标准	(可选值)mse，mae
oobscore	采用袋外样本来评估模型的好坏	False	推荐True 反应模型拟合后的泛化能力

名称	解释	默认值	经验值
max_features	RF划分时考虑的最大特征数	auto(defult): 划分时最多考虑 $\sqrt{N}$ 个特征 $log_2{N}$ : 划分时最多考虑 $log_2{N}$ 个特征 int(具体值)，float(占总数的百分比)
max_depth	决策树最大深度	可以不输入	10 ~ 100
min_samples_split	内部节点再划分所需最小样本数如果某节点的样本数少于该值，则不会继续再尝试选择最优特征来划分	2
min_samples_leaf	叶子节点最少样本数	1	如果样本量不大，可以不管这个值
n_jobs	设定fit和predict阶段并列执行得任务个数