Python随机森林调参红酒品质预测，限时发布

分 训练集合测试集合 7:3

xtrain,xtest,ytrain,ytext = model_selection.train_test_split(x,y1,test_size=0.3,random_state=1);

5.交叉验证 用训练集 进行交叉训练 看看不进行调参的 score为多少

RF_clf = RandomForestClassifier();

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

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,