Python数据挖掘—分类—随机森林,,概念随机森林(Ran
Python数据挖掘—分类—随机森林,,概念随机森林(Ran
概念
随机森林(RandomForest):随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别数输出的类别的众数而定
优点:适合离散型和连续型的属性数据;对海量数据,尽量避免了过度拟合的问题;对高维数据,不会出现特征选择困难的问题;实现简单,训练速度快,适合 进行分布式计算
1 import pandas; 2 3 data = pandas.read_csv( 4 "D:\\PDM\\5.3\\data.csv" 5 ); 6 7 dummyColumns = ["Gender", "ParentEncouragement"] 8 9 for column in dummyColumns:10 data[column]=data[column].astype(‘category‘)11 12 dummiesData = pandas.get_dummies(13 data, 14 columns=dummyColumns,15 prefix=dummyColumns,16 prefix_sep="=",17 drop_first=True18 )19 dummiesData.columns20 21 fData = dummiesData[[22 ‘ParentIncome‘, ‘IQ‘, ‘Gender=Male‘,23 ‘ParentEncouragement=Not Encouraged‘24 ]]25 26 tData = dummiesData["CollegePlans"]27 28 from sklearn.tree import DecisionTreeClassifier29 from sklearn.ensemble import RandomForestClassifier30 from sklearn.model_selection import cross_val_score31 32 dtModel = DecisionTreeClassifier()33 34 dtScores = cross_val_score(35 dtModel, 36 fData, tData, cv=1037 )38 39 dtScores.mean()40 41 rfcModel = RandomForestClassifier()42 43 rfcScores = cross_val_score(44 rfcModel, 45 fData, tData, cv=1046 )47 48 rfcScores.mean()View Code
决策树评分:
随机森林评分:
发现随机森林在不调优的情况下,得分高于决策树模型
调优:设置:max_leaf_nodes=8
1 #对连个模型进行调优 2 dtModel=DecisionTreeClassifier(max_leaf_nodes=8) 3 4 dtScores=cross_val_score( 5 dtModel, 6 fData,tData,cv=10) 7 8 dtScores.mean() 9 10 rfcModel=RandomForestClassifier(max_leaf_nodes=8)11 12 rfcScores=cross_val_score(13 rfcModel,14 fData,tData,cv=10)15 16 rfcScores.mean()View Code
决策树评分:
随机森林评分:
Python数据挖掘—分类—随机森林
评论关闭