RandomForestRegressor与GridSearchCV使用——简单流程

parameter_space = {
        "n_estimators": [80],
        "min_samples_leaf": [30],
        "min_samples_split": [2],
        "max_depth": [9],
        "max_features": ["auto", 80]
    }


    clf = RandomForestRegressor(
        criterion="mse",
        min_weight_fraction_leaf=0.,
        max_leaf_nodes=None,
        min_impurity_decrease=0.,
        min_impurity_split=None,
        bootstrap=True,
        oob_score=False,
        n_jobs=4,
        random_state=2020,
        verbose=0,
        warm_start=False)
    grid = GridSearchCV(clf, parameter_space, cv=2, scoring="neg_mean_squared_error")
    grid.fit(train[features].values, train['target'].values)

'''
RandomForestRegressor参数说明
n_estimators:决策树个数
min_samples_leaf：叶节点所需的最小样本数。如果过小，可能导致过拟合
min_samples_split：分裂内部节点所需的最小样本数
max_depth：树的最大深度，越深越拟合
max_features:构建决策树最优模型时考虑的最大特征数。默认是"auto"，表示最大特征数是N的平方根;

注意：
  首先增大n_estimators,提高模型的拟合能力，当模型的拟合能力没有明显提升的时候，则在增大            
  max_features，提高每个子模型的拟合能力，则相应的提高了模型的拟合能力。



criterion:计算选择节点后，分裂得分的函数。如基尼指标，信息增益等。“squared_error”。
min_weight_fraction_leaf: (default=0) 叶子节点所需要的最小权值
max_leaf_nodes: (default=None)叶子树的最大样本数。
min_impurity_decrease：（default=0.0）如果分裂导致杂质减少大于或等于该值，则节点将被分裂。
有计算公式
min_impurity_split=None :不知道
bootstrap（default=True）构建树时是否使用引导样本。 
如果为 False，则使用整个数据集来构建每棵树。袋外样本误差是测试数据集误差的无偏估计，
所以推荐设置True。
oob_score ：默认为False，True表示用袋外数据来测试模型。
可以通过oob_score_来查看模型的准取度。
warm_start:当设置为 True 时，重用先前调用的解决方案来拟合并向集合中添加更多估计器，
否则，只需拟合一个全新的森林
'''










'''
说明：
0.z最后使用model = grid.best_estimator_来得到带有最佳超参数的模型。再进行model.fit、predict等操作
1.parameter_space 中包含的是需要确定的参数值，形式为字典，值以列表的形式给出。
网格搜索会将各个参数的列表中的值进行排列组合，最后输出一个带有最佳超参数的模型
2.parameter_space中参数的名称，由模型确定，模型中的参数是什么名字，space里就用什么名字
3.clf中也要写参数，是已经确定的参数，clf中的参数和parameter_space的参数结合起来，才是模型
中的所有参数。
4.CV是交叉验证折数
5.scoring是计算验证集得分的损失函数,具体如下图
'''