问使用Python的随机森林特性重要性鲁棒性
EN

Stack Overflow用户

提问于 2020-02-11 01:42:17

回答 1查看 73关注 0票数 0

我正在使用随机森林从Sklearn的特点的重要性。然而，特征的重要性可能通过改变射频中的random_state参数而改变。我想知道是否有任何方法来获得强大的功能重要性与射频？

回答已采纳

发布于 2020-02-11 02:04:05

这是由于随机森林算法的原理。RF通过启发式贪婪方法寻找最优解。在这种启发式的方法下，它减少了具有随机抽样特征和样本的多棵树。在这里，random_state给出了抽样的随机数。如果你看到下面的文件，上面写着

If int，random_state是随机数生成器使用的种子；如果是RandomState实例，则random_state是随机数生成器；如果没有，则随机数生成器是np.random使用的RandomState实例。

因此，如果使用固定值设置random_state，则可能具有固定的特性重要性值。它不能保证鲁棒性，因为RF算法不能保证鲁棒性，而是根据其启发式发现给出了答案。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/60160844

复制

相似问题

问使用Python的随机森林特性重要性鲁棒性EN