理解随机森林中的max_feature

文章/答案/技术大牛

发布

1回答

max_features参数在DecisionTreeClassifier中是如何工作的？

scikit-learn、decision-trees

max_features中的参数DecisionTreeClassifier负责什么？我认为它定义了树用于生成节点的特性的数量。但是，尽管这个参数的值不同(n =1和2)，但我的树使用了我所拥有的这两个特性。有什么变化吗？

浏览 0提问于2018-11-19得票数 13

回答已采纳

1回答

python、scikit-learn、random-forest

我在训练森林的时候有个问题。我使用了5折交叉验证和rmse作为指导，以找出模型的最佳参数。我最终发现，当max_feature=1时，我得到了最小的rmse。这对我来说很奇怪，因为max_feature是每次拆分时都要考虑的特性。一般来说，如果我想在分裂中找到“最佳”参数来降低杂质，那么树应该最好考虑所有的特征，并在分裂后找到一个最低杂质的结果。然而，在交叉验证方面，我得到的max_feature=1是rmse最低的

浏览 154提问于2020-08-14得票数 0

回答已采纳

6回答

随机森林sklearn

python、scikit-learn、random-forest、cross-validation

我对随机森林是否需要显式交叉验证感到困惑？在随机森林中，我们有现成的样本，这可以用于计算测试精度。是否需要显式交叉验证。在随机森林中显式使用CV有什么好处吗？基于下面的代码，我发现很难理解随机森林中的CV是如何工作的： model = BaggingClassifier(base_estimator=cart, n_estimators=num_trees,

浏览 0提问于2018-10-11得票数 2

2回答

n_estimators和max_features在RandomForestRegressor中的含义

scikit-learn

我正在阅读关于使用GridSearchCV对模型进行微调的文章，我遇到了一个参数网格，如下所示：{'n_estimators': [3, 10, 30], 'max_featuresscoring='neg_mean_squared_error')这里我不理解n_estimator和max_feature的概念。是否像n_estimator表

浏览 0提问于2017-09-15得票数 5

回答已采纳

2回答

随机森林分类器中的单热编码

machine-learning、scikit-learn、random-forest

是否需要对python中的随机森林分类器进行一次热编码？我想从逻辑上理解，随机林中是否可以用标签编码来处理分类特性，而不是单热编码。

浏览 4提问于2021-01-14得票数 0

1回答

利用R中的randomForest包将随机森林转化为决策树

r、random-forest

据我所知，与单个决策树相比，随机森林有两个导致“随机性”的参数：2)为创建树而绘制的训练示例的数量。直观地说，如果我将这两个参数设置为它们的最大值，那么我应该避免“随机性”，因此每个创建的树都应该完全相同。因为所有的树都是完全相同的，所以不管森林中有多少树或不同的运行(即不同的

浏览 2提问于2014-04-29得票数 0

1回答

随机森林中的out - of - bag错误是什么？

language-agnostic、machine-learning、classification、random-forest

随机森林中的out - of - bag错误是什么？它是在随机森林中找到正确数量的树的最佳参数吗？

浏览 1提问于2013-08-31得票数 71

回答已采纳

1回答

TfidfVectorizer中'max_features‘的用法是什么

scikit-learn、tfidfvectorizer

我从中得到的理解是，如果max_feature =n，这意味着它是根据Tf-IDF值选择前n个特征。我浏览了scikit learn上的TfidfVectorizer文档，但没有正确地理解它。

浏览 0提问于2018-07-06得票数 0

2回答

如何使决策树规则更容易理解？

r、machine-learning、scikit-learn、random-forest、decision-tree

我想从决策树/随机森林中提取有用的规则，以便开发一种更适用的方法来处理规则和预测。所以我需要一个能让规则更容易理解的应用程序。对我的目的有什么建议(如可视化、验证方法等)？

浏览 4提问于2015-07-09得票数 1

回答已采纳

1回答

我有二进制数据(不同森林中鸟类的存在/不存在)，我想知道是否有一个包含随机效应的模型

r、logistic-regression、mixed-models

我将不同林区不同鸟类的缺席数据作为响应变量。作为预测变量，我有森林的大小和每个森林记录的树木数量。我想把森林作为一个随机因素来考虑我们无法测量的变量。我怎样才能做到这一点呢？使用混合效果逻辑回归是最好的吗？

浏览 6提问于2021-10-05得票数 1

1回答

什么时候需要进行特性转换？

machine-learning-model

我正在安装机器学习模型来清理数据(估算丢失的值，删除不必要的功能等等)。我没有改变扭曲的特征。在进行下一步之前，我想了解特性转换对于将数据融入模型是多么重要。有什么意见吗？(我知道在随机森林中发生了什么，但无法理解其他ML模型)

浏览 0提问于2018-06-18得票数 1

回答已采纳

1回答

随机森林中的随机性从何而来？

machine-learning、random-forest、ensemble-modeling

正如标题所述：随机森林中的随机性从何而来？

浏览 0提问于2016-07-08得票数 2

回答已采纳

1回答

sklearn集成的自定义random_sampling

scikit-learn、random-forest、ensemble-learning、boosting

我需要在scikit中编写一个自定义random_selection (用于随机选择特征，即"max_feature“和训练数据的子集，即”子样本“)模块，以便与sklearn.ensemble.RandomForestClassifier想法是在RandomForestClassifier中使用训练数据中的一列(不依赖，即Y)进行分层

浏览 22提问于2020-04-19得票数 2

1回答

随机森林去相关

random-forest、ensemble-learning

在随机森林中，您可以从每个节点的m个特征中进行选择，而不是选择完整的特征集。这被认为是去相关的预测因素。直观地说，我理解这一点，但是在什么时候可以说预测因子是去相关的，以及我们如何证明在这种情况下，有没有任何统计数据在这种情况下

浏览 1提问于2018-03-14得票数 0

1回答

随机森林中的网格搜索结果max_features = 'sqrt‘-如何理解

python、scikit-learn、random-forest、features

我在随机林场做了一个网格搜索。的结果结果为：{'max_depth'：28，‘n_估计器’：500 '，max_features：'sqrt'，'min_samples_split'：2，'min_samples_leaf'：1'} 随机森林文档:如果“自动”，那么max_features=sqrt(n_features)。所以“sqrt”就像max_features=

浏览 0提问于2020-10-04得票数 0

回答已采纳

1回答