使用NNI的随机森林例子分析

最新推荐文章于 2024-06-19 14:27:57 发布

Tramp006

最新推荐文章于 2024-06-19 14:27:57 发布

阅读量442

点赞数 1

分类专栏： NNI 文章标签： NNI 随机森林

本文链接：https://blog.csdn.net/weixin_42258534/article/details/87380707

版权

本文通过NNI进行随机森林的超参数优化，分析了在不同`n_estimators`、`max_features`和`max_depth`下的训练结果。结果显示，在`n_estimators=283`, `max_features=auto`和`max_depth=862`时，随机森林获得最佳分类效果，但受限于原始数据的特征提取，整体准确率停留在0.88左右。" 112408583,10540324,MySQL面试题：嵌套查询与多表操作解析,"['SQL', '数据库', '查询语句']

摘要由CSDN通过智能技术生成

由于电脑配置原因，用CNN训练较大的数据集较慢，因此选用了自己以前用随机森林的机器学习例子

源代码

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
import nni
import logging
import numpy as np
'''
This project is for automatically tuning parameters for RandomForestClassifier.
'''
LOG = logging.getLogger('auto-RF')
max_min_scaler = lambda x : (x-np.min(x))/(np.max(x)-np.min(x))
#
def get_default_parameters():
    params = {
   
        'n_estimators': 450,
        'max_features':'sqrt'