随机森林python参数_python – 如何调整随机森林中的参数,使用Scikit学习？

class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion='gini', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='auto', max_leaf_nodes=None, bootstrap=True, oob_score=False, n_jobs=1, random_state=None, verbose=0, warm_start=False, class_weight=None)

我正在使用一个随机森林模型,其中有9个样本和大约7000个属性.在这些样本中,我的分类器识别有3个类别.

我知道这远不是理想的条件,但我正在努力找出哪些属性在特征预测中是最重要的.哪些参数最适合调整优化功能重要性？

我尝试了不同的n_estimator,并注意到“显着特征”的数量(即feature_importances_数组中的非零值)大大增加.

我已经阅读了文档,但如果有任何人有这方面的经验,我想知道哪些参数是最好的调整和一个简短的解释为什么.