目录
1、 什么是集成学习方法
集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型,各自独立地学习和作出预测。这些预测最后结合成组合预测,因此优于任何一个单分类的做出预测。
2、 什么是随机森林
随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。
算法原理:
- 用N来表示训练用例(样本)的个数,
n_features
表示特征数目。- 训练集随机———— 一次随机选出一个样本,重复N次,采用BootStrap抽样,有可能出现重复的样本
- 特征随机————— 随机去选出
max_features
个特征,max_features
<<n_features
,建立决策树,等同于降维
BootStrap抽样(有放回的随机抽样)
随机抽样:使每一次训练集都不一样,从而获得不同的分类结果
有放回:使的每次的训练样本之间有交集,从而防止出现“片面绝对”的训练结果
3,API
from sklearn.ensemble import RandomForestClassifier
-
class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion=’gini’, max_depth=None, bootstrap=True, random_state=None, min_samples_split=2)
- 随机森林分类器
- n_estimators:integer,(default = 10)可选森林里的树木数量120,200,300,500,800,1200
- criteria:string,(default =“gini”)可选分割特征的测量方法
- max_depth:integer或None, (default=None) 可选树的最大深度 5,8,15,25,30
- max_features="auto”,每个决策树的最大特征数量
- If "auto", then
max_features=sqrt(n_features)
. - If "sqrt", then
max_features=sqrt(n_features)
(same as "auto"). - If "log2", then
max_features=log2(n_features)
. - If None, then
max_features=n_features
.
- If "auto", then
- bootstrap:boolean,(default = True)可选是否在构建树时使用放回抽样
- min_samples_split:节点划分最少样本数
- min_samples_leaf:叶子节点的最小样本数
- 超参数:n_estimator, max_depth, min_samples_split,min_samples_leaf
4,代码实例
# 随机森林去进行预测
rf = RandomForestClassifier()
param = {"n_estimators": [120,200,300,500,800,1200], "max_depth": [5, 8, 15, 25, 30]}
# 超参数调优
gc = GridSearchCV(rf, param_grid=param, cv=2)
gc.fit(x_train, y_train)
print("随机森林预测的准确率为:", gc.score(x_test, y_test))
5,总结
- 在当前所有算法中,具有极好的准确率
- 能够有效地运行在大数据集上,处理具有高维特征的输入样本,而且不需要降维
- 能够评估各个特征在分类问题上的重要性