machine-learning - n_estimators 和 n_features 相同吗？-6ren

machine-learning - n_estimators 和 n_features 相同吗？

转载作者：行者123 更新时间：2023-11-30 09:37:46

27

4

我想使用具有 67 个特征和 3000 个样本的 RandomForestClassifier。设置“n_estimators=30”是否仅使用拟合过程中 67 个特征中的 30 个特征？

  RandomForestClassifier(n_estimators=30)

最佳答案

没有。 RandomForest 是一种装袋方法，用于减少一组低偏差高方差分类器(通常默认为 DecisionTree 分类器)的方差。这里n_estimator指的是在多数投票系统中使用了多少个这样的“过度拟合”分类器。

此外，在RandomForest设置中，通常建议将max_depth设置为相当大的值，以确保每个分类器确实具有低偏差属性。

关于machine-learning - n_estimators 和 n_features 相同吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31273366/

27

4

0

文章推荐： stream - 两个簇有可能重叠吗？

文章推荐： javascript - Extjs:使用父 div 调整大小调整面板

python - 值错误: Input has n_features=10 while the model has been trained with n_features=4261
我正在尝试使用经过训练的 BoW、tfidf 和 SVM 模型进行预测: def bagOfWords(files_data): count_vector = sklearn.feature_
python - 模型的特征数量必须与输入匹配。模型 n_features 为 20，输入 n_features 为 4
enter image description here我在使用随机森林分类器时收到此错误。这是我的代码: import quandl, math import numpy as np i
python - ValueError : Number of features of the model must match the input. 随机森林中模型 n_features 为 10，输入 n_features 为 7
我正在尝试构建预测模型，但出现以下错误。我该如何解决这个问题？ --------------------------------------------------------------------
machine-learning - n_estimators 和 n_features 相同吗？
我想使用具有 67 个特征和 3000 个样本的 RandomForestClassifier。设置“n_estimators=30”是否仅使用拟合过程中 67 个特征中的 30 个特征？ Ran
python - ValueError : Shape mismatch: if categories is an array, 它必须是形状 (n_features,)
我创建了一个简单的代码来实现 OneHotEncoder . from sklearn.preprocessing import OneHotEncoder X = [[0, 'a'], [0, 'b
scikit-learn - SciKit 的 make_blobs 中的 "n_features"和 "centers"参数是什么意思？
我浏览了关于n_features的文档和 centers make_blobs 中的参数函数在 SciKit .但是，由于我是 SciKit 的新手，所以我所看到的每一个解释对我来说都不是很清楚。和数
python-3.x - 使用随机森林时 scikit 中的 "ValueError: max_features must be in (0, n_features] "
我有一个包含 20 个特征和 840 行的数据集。我已经优化了分类器(随机森林)。我的参数是 n_estimators=100 和 max_features=5。我想对每个特征进行分类。我的意思是对于
python - 将 (n_samples, n_features) ndarray 转换为 (n_samples, 1) 向量数组，用作 sklearn SVM 的训练标签
我正在尝试计算我正在构建的 SVM 模型的 ROC 和 AUC。我正在关注 this sklearn example 中的代码。要求之一是输出标签 y 需要进行二值化。我通过创建 MultiLabel
python - ValueError : n_components=4 must be between 0 and min(n_samples, n_features)=2 与 svd_solver ='full'
我的代码出现这样的错误 for n, df_process in enumerate(all_df): #Normalisasi data dengan metode

首页

博学

6Ren·AI

商城

machine-learning - n_estimators 和 n_features 相同吗？