集成学习与随机森林(python之sklearn实现).pdfVIP

六六 DATA 集成学习与随机森林(python 之sklearn 实现) X = [] y = [] #%%######集成学习###### #随机决策树的集成算法就是随机森林 from sklearn.ensemble import BaggingClassifier from sklearn.tree import DecisionTreeClassifier tree = DecisionTreeClassifier() bag = BaggingClassifier(tree, n_estimators=100, max_features=0.8,max_sa mples=0.8, random_state=1) bag.fit(X,y) #随机森林有两个随机：1.自举取样的随机性2.选择特征数m 的随机性 #由于1 是抽取跟样本总数一样的样本组成树的样本，因此是相对确定的，但是2 中 m(=n_features)是可以人为选择的，因此m 是随机森林中唯一的参数，要做的便是寻找 最优的m。 #base_estimator,默认为DecisionTreeClassifier #n_estimators=100 评估器的数量设为100 #m