1回答
当我使用hyperopt库来调优随机森林分类器时，我得到了以下结果：然而，当我使用默认的超参数来训练模型时，所有的评估指标(精度、召回、F1、iba、AUC)都会返回比调优模型更高的值。我还应该继续跟踪调优参数吗？或者忽略调优</e
浏览 0提问于2019-05-27得票数 4
我一直在做Python课程中的应用机器学习，在第四周的课程和作业中，我发现了一些有趣的东西。在我第一次尝试完成这个任务时，我尝试使用sklearn的RandomForestClassifier来预测标签，但是模型过于贴切，测试的准确性也很差。作为一个实验，我转向了RandomForestRegressor，并且，你猜怎么着，它不仅不过分合适，而且测试的准确性也要高得多。那么，为什么RandomForestRegressor在二进制分类
浏览 2提问于2020-01-06得票数 0
回答已采纳
2回答
我试图通过使用管道并调优其中的参数来应用RandomForestClassifier()。这是正在使用的数据集：https://www.kaggle.com/gbonesso/enem-2016 下面是代码 from sklearn.ensemble import RandomForestClassifierparam_grid=pipe_params, cv=3, n_jobs=-1, verbose=1000
gridsearch.fit
浏览 62提问于2020-09-27得票数 0
回答已采纳
2回答
使用sklearn，我刚刚完成了训练，调优超参数和测试一个随机森林多类分类器使用RandomizedSearchCV。我得到了最好的参数，最好的分数等等。所有这些都是用标签数据集完成的。现在，我想将这个分类器应用到一个没有标签的数据集上(这意味着只有特性而没有类)来进行类/标签预测。我还没试过什么，因为我被卡住了。
浏览 12提问于2022-11-29得票数 -2
2回答
它看起来是这样的： rfc.fit(X_train, y_train)当我第一次运行它时，测试数据集的结果是召回率为好的。但是，当我在这个测试数据集和这个训练数据集上第二次运行它时，结果是不同的
浏览 1提问于2016-02-29得票数 3
我刚刚创建了一个梯度提升模型，它的样本外预测比随机森林更差。GBM的均方误差比随机森林高10%。下面是我的示例代码。我确定它有没有什么问题。
浏览 1提问于2015-06-10得票数 0
1回答
我试图根据几个参数预测，如旅行类型，汽车类型，预订来源，开始时间，提前期(开始)和其他几个参数是否会取消客户。从default.ct的精度下面的代码中，我做的第一种分类给了我75%的精度。deeper.ct --我正在生成的更深的树--给了我70%的准确率。修剪后的树的精度也逐渐保持不变。用adabag软件包来推动的时间太长了，因为我已经对19个
浏览 0提问于2020-01-29得票数 3
3回答
根据我的理解，RF随机选择功能，因此很难过火。但是，在滑雪板上，梯度提升也提供了max_features的选项，可以帮助防止过度拟合。那么，为什么有人会使用随机森林？谁能解释什么时候使用梯度增强与随机森林基于给定的数据？
任何帮助都是非常感谢的。
浏览 11提问于2017-09-13得票数 3
我将按照这里的教程操作：train_data = scipy.io.loadmat('train_32x32.mat') return array(a, dtype, copy=False, order=order)我并排运行资源监视<em
浏览 0提问于2019-06-07得票数 0
2回答
我有一个不平衡的数据集和大约8%的负例子。目标是在给定成本矩阵的情况下尽量减少假负数。似乎支持向量机(带有径向核)和随机森林最有效。如何在此设置中调优超参数？我的建议是:将数据分离到训练/验证集中，使用概率输出和成本矩阵来分配预测的类，优化超参数以使准确性最大化。
我怎样才能提高性能？目前，我使用的随机森林</
浏览 0提问于2015-08-14得票数 2
在R中，我通常将随机森林定义如下(一个示例)： train$Y,ntree=15, do.trace=TRUE)
现在我开始学习Python，我想知道如何在Python中用相同的调优参数设置相同的模型？我知道s
浏览 1提问于2015-10-07得票数 1
1回答
我使用mlr软件包在R中运行随机森林分类。我想调优以下超参数:树的数目，每个分裂要考虑的变量数，终端节点的大小和树的深度。我正在使用来自makeParamSet的mlr构建一组要调优的参数，下面是代码：makeIntegerParam("nt
浏览 10提问于2022-07-01得票数 0
回答已采纳
我想在Apache Spark中对我的随机森林模型执行网格搜索。但我找不到这样做的例子。在样本数据中，有没有可以使用Grid Search进行超参数调优的示例？
浏览 1提问于2019-01-16得票数 0
1回答
我试图使用caret和ranger方法来调优随机森林的参数。我已经看到了使用mtry调优tuneGrid的代码。然后使用得到的mtry运行循环并调优树数(num.tree)。但是，我想知道是否有可能同时调整它们，找出所有可能的组合之间的最佳模式。我不想让一个论点保持不变，同时调整另一个论点，但两者同时进行。有办法吗？
浏览 3提问于2022-05-20得票数 0
1回答
我有大约180 K的观测数据，13个变量(混合的数值和分类特征)。这是二进制分类问题，但类是不平衡的(25:1对于负分类)。我想部署XGBoost (在R中)，并达到最好的精确度和召回。为了处理不平衡问题，我尝试了正面类的重采样，以及正类的XGB高权重。然而，尽管召回率很高，但精确度很低(约0.10)。My参数调优用于XGB:
参数的</
浏览 0提问于2022-01-06得票数 6
回答已采纳
问:是否有可能，甚至有必要，在训练一个新模型时，执行交叉验证检查来调优Python随机森林实现的参数(例如scikit学习)，就像R的插入符号中所做的那样？背景R:当使用R的插入符号的随机森林库时，可以通过执行n倍交叉验证来调整参数。背景Python:使用scikit学习，可以实例化一个随机森林回归器，并对该回
浏览 0提问于2020-07-31得票数 0
我已经创建了一个管道，在结束时使用随机森林分类器进行多标签预测。预测(0,1,0,0,1,0)保持(0,1,0,0,1,0)The预测(0，0，0，0，0)为(1,0,0,0,0,0)所以我想做的就是修改随机森林</
浏览 0提问于2020-03-03得票数 0
1回答
我从文本数据(unigram和bigram)构建了文档项矩阵，并在此基础上构建了不同类型的模型(如svm、随机森林、最近邻等)。所有的技术都取得了不错的效果，但我想提高效果。我尝试通过更改参数来调优模型，但这似乎并没有提高性能。我下一步可能要做些什么？
浏览 1提问于2015-05-14得票数 0
回答已采纳
2回答
如何用机器学习算法设置多个类？
、、、、
我使用XGboost、Randomforest(sklearn)、SVM(sklearn)和MLPclassifier(sklearn)作为分类器。我想为多标签类设置这些模型。我该怎么做？
浏览 1提问于2018-11-30得票数 0
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
