2024年4月3日发(作者：)
randomforest随机森林 参数
Random Forest（随机森林）参数
Random Forest（随机森林）是一种基于决策树的集成学习
（ensemble learning）方法，通过构建多个决策树，将它们拼接在
一起，从而形成一个强有力的、具有良好泛化能力的决策树模型。它
非常适合做分类和回归任务。
Random Forest有如下重要参数：
1. n_estimators：决策树的数量，即构建森林时使用的树的数
量，默认值为10 。
2. max_features：决策树每次生成时，所使用的最大特征数量，
默认值为None，也可以设置一个整数或者浮点数。
3. min_samples_split：决策树中每个节点最少需要分割的样本
数，默认值为2。
4. min_samples_leaf：决策树每个叶子节点所需要的最少样本
数，默认值为1。
5. max_depth：决策树深度，即从根节点到叶子节点的最大分入
数量，如果为None，则节点的深度将不受限，默认值为None。
6. bootstrap：是否有放回的采样，默认值为True，即有放回
采样。
7. criterion：决策树所使用的评价准则，默认值为“gini”，
也可以选择“entropy”。
8. oob_score：是否使用袋外数据来估计泛化精度，默认值为
- 1 -
False，即不使用袋外数据。
- 2 -
发布者：admin，转转请注明出处：http://www.yc00.com/news/1712076098a2001231.html
评论列表（0条）