RandomForestClassifier/Regressor

最新推荐文章于 2025-01-03 14:22:54 发布

刘靖航

最新推荐文章于 2025-01-03 14:22:54 发布

阅读量842

点赞数 1

分类专栏：机器学习笔记文章标签： html5 css 算法

本文链接：https://blog.csdn.net/weixin_45298468/article/details/120564881

版权

本文介绍了随机森林算法，包括集成算法的概念、RandomForestClassifier的决策树思想、n_estimators参数的影响、随机性的重要性以及random_state、bootstrap和oob_score的作用。同时，讨论了RandomForestRegressor在回归问题中的应用，并举例展示了如何用回归森林填补缺失值。最后，文章探讨了调参中的泛化误差思想，以及模型复杂度与泛化误差之间的关系。

摘要由CSDN通过智能技术生成

1.集成算法（ensemble ）

1.集成评估器

bagging	多个相互独立的评估器，对其预测进行平均或多数表决原则来决定评估器的结果
boosting	基评估器相关，按顺序一一构建，结合若评估器构成强评估器

2.RandomForestClasifier

1.决策树思想