weixin_46507641的博客

内容摘要： 在该资源文件夹当中包括了数据预处理和特征工程后的数据（数据来源于第五届泰迪杯技能赛，数据经过作者预处理和特征工程），以及一步导出随机森林训练结果的模型评估函数，模型的特征重要性图像、模型评估的混淆矩阵。同时资源中还有数据不平衡得处理操作，实现方式为下采样。在资源当中还实现了，利用遗传算法（GA）对随机森林进行n_estimators、max_depth、min_samples_split、min_samples_leaf、max_features的参数优化。 资源结构： -BinaryClassification(GA) --data：数据 --image：导出图片 --model：模型参数 --Binary_RF(GA).py：遗传算法优化 --BinaryRF.py：常规随机森林分类 适合人群： 该资源适合用来竞赛和写论文，可以快速导出结果，大大节省时间。 使用建议： 二分类数据预处理和特征工程处理好后，导入数据分配好特征和标签，然后运行就可以导出模型的训练权重和模型的特征重要性图像、模型评估的混淆矩阵图像。遗传算法调参属于进阶内容，不懂得可以私信作者。

随机森林回归，包含可视化和预测