【sklearn】RF 交叉验证 袋外数据 参数学习曲线 网格搜索

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
%matplotlib inline

ensemble.RandomForestClassifier

wine = load_wine()
Xtrain, Xtest, Ytrain, Ytest = train_test_split(wine.data, wine.target, test_size=0.3)

rfc = RandomForestClassifier(random_state=0)
rfc = rfc.fit(Xtrain, Ytrain)
score_r = rfc.score(Xtest, Ytest)
print(score_r)
# 0.9444444444444444

划分训练测试集,交叉验证cross_val_score、cross_validate

sklearn.model_selection.cross_val_score

from sklearn.model_selection import cross_val_score
import matplotlib.pyplot as plt

rfc = RandomForestClassifier(n_estimators=100)
rfc_s = cross_val_score(rfc, wine.data, wine.target, cv=10)
print(rfc_s)
'''

    array([1.        , 0.94444444, 0.94444444, 0.94444444, 1.        ,
           1.        , 1.        , 1.        , 1.        , 1.        ])
'''

plt.plot(range(1, 11), rfc_s, label="RandomForest")
#plt.plot(range(1, 11), clf_s, label="DecisionTree")
plt.legend() #显示label
plt.show()

在这里插入图片描述

sklearn.model_selection.cross_validate

输出训练集和测试集上的交叉验证分数,可以观察训练时是否过/欠拟合

from sklearn.model_selection import cross_validate, KFold
# 实例化交叉验证方式 shuffle是否打乱数据
cv = KFold(n_splits=5, shuffle=True, random_state=1412)
result = cross_validate(RandomForestClassifier() # 评估器
                        ,wine.data,wine.target # 数据
                        ,cv=cv # 交叉验证模式
                        ,scoring='neg_mean_squared_error' # 评估指标mse(负值)
                        # 以上参数同cross_val_score()
                        # 以下cross_validate()特有参数
                        ,return_train_score=True # 返回训练集交叉验证分数
                        ,verbose=True # 打印进程
                        ,n_jobs=1 # 线程数 -1表示调用全部线程
                       )

'''
    [Parallel(n_jobs=1)]: Using backend SequentialBackend with 1 concurrent workers.
    [Parallel(n_jobs=1)]: Done   5 out of   5 | elapsed:    0.6s finished
'''
result
# 在训练集和测试集上的交叉验证分数差异小,则过拟合程度低
'''
    {'fit_time': array([0.13620615, 0.14765525, 0.13985324, 0.14356041, 0.13722539]),
     'score_time': array([0.01013279, 0.01257372, 0.01011801, 0.0101881 , 0.01026726]),
     'test_score': array([-0.02777778, -0.02777778, -0.05555556, -0.        , -0.02857143]),
     'train_score': array([-0., -0., -0., -0., -0.])}
'''
# 一般情况下,交叉验证MSE分数数量级太大
# 可使用RMSE评估(MSE开平方)
abs(result['train_score'])**0.5
abs(result['test_score'])**0.5
# 画图观察
plt.figure(figsize=(8,6), dpi=80)
plt.plot(range(1, 6), abs(result['test_score'])**0.5, color='green',label='RandomForestTest')
plt.plot(range(1, 6), abs(result['train_score'])**0.5, color='red',label='RandomForestTrain')
plt.xticks([1,2,3,4,5])
plt.xlabel('CVcounts', fontsize=16)
plt.ylabel('RMSE', fontsize=16)
plt.legend()
plt.show()

在这里插入图片描述

无需划分训练测试集,使用boostrap

# oob_score = True
rfc = RandomForestClassifier(n_estimators=25, oob_score=True)
rfc = rfc.fit(wine.data, wine.target)
# 袋外数据作为测试集的得分
rfc.oob_score_
'''
 0.9606741573033708
'''

参数学习曲线

步长为10搜索大致范围

# n_estimators学习曲线
scorel = []
for i in range(0, 200, 10):
    rfc = RandomForestClassifier(n_estimators=i+1
                                ,n_jobs=-1
                                ,random_state=0)
    score = cross_val_score(rfc, wine.data, wine.target, cv=10).mean()
    scorel.append(score)
print(max(scorel), (scorel.index(max(scorel))*10)+1)
plt.figure(figsize=[20,5])
plt.plot(range(1, 201, 10), scorel, label='n_estimators')
plt.legend()
plt.show()

0.9833333333333332 31
在这里插入图片描述
进一步缩小范围

scorel = []
for i in range(20, 40):
    rfc = RandomForestClassifier(n_estimators=i
                                ,n_jobs=-1
                                ,random_state=0)
    score = cross_val_score(rfc, wine.data, wine.target, cv=10).mean()
    scorel.append(score)
print(max(scorel), (scorel.index(max(scorel))*10)+1)
plt.figure(figsize=[20,5])
plt.plot(range(20, 40), scorel, label='n_estimators')
plt.legend()
plt.show()

0.9833333333333334 21

在这里插入图片描述

网格搜索GridSearchCV

from sklearn.model_selection import GridSearchCV
import numpy as np
# 网格搜索 调整max_depth
param_grid = {'max_depth':np.arange(1, 20, 1), 'criterion':['gini', 'entropy']}
rfc = RandomForestClassifier(n_estimators=31
                            ,random_state=0)
GS = GridSearchCV(rfc, param_grid, cv=10)
GS.fit(wine.data, wine.target)
# 调了后泛化误差上升,就不调整了
GS.best_params_, GS.best_score_

({‘criterion’: ‘gini’, ‘max_depth’: 4}, 0.9833333333333332)

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值