首页 文章

随机森林 - 使用较少的估算器预测

提问于
浏览 次
0

我使用scikit learn（python）训练了一个随机森林（在这种情况下为回归量）模型，我想根据所用估算器的数字在验证集上绘制错误率 . 换句话说，有一种方法可以预测只使用RandomForestRegressor中的一部分估算器吗？

使用predict（X）将根据每个树结果的平均值给出预测 . 有一种方法可以限制树木的使用吗？或者最终，为森林中的每棵树获取每个单独的输出？

python limit scikit-learn prediction random-forest

2 回答

  • 1

    感谢cohoz我已经想出了如何做到这一点 . 我写了几个def，结果在绘制测试集上随机森林回归量的学习曲线时很方便 .

    ## Error metric
import numpy as np
def rmse(train,test):
    return np.sqrt(np.mean(pow(test - train+,2)))

## Print test set error
## Input the RandomForestRegressor, test set feature and test set known values
def rfErrCurve(rf_model,test_X,test_y):
    p = []
    for i,tree in enumerate(rf_model.estimators_):
                p.insert(i,tree.predict(test_X))
                print rmse(np.mean(p,axis=0),test_y)
    回复于
  • 2

    训练完成后，您可以通过随机林对象的“estimators_”属性访问这些属性 .

    回复于

相关问题