scikit-learn - n_estimators 和 max_features 在 RandomForestRegressor 中的含义

Question

我正在阅读有关使用 GridSearchCV 微调模型的文章，我遇到了如下所示的参数网格:

param_grid = [
{'n_estimators': [3, 10, 30], 'max_features': [2, 4, 6, 8]},

{'bootstrap': [False], 'n_estimators': [3, 10], 'max_features': [2, 3, 4]},
]
forest_reg = RandomForestRegressor(random_state=42)
# train across 5 folds, that's a total of (12+6)*5=90 rounds of training 
grid_search = GridSearchCV(forest_reg, param_grid, cv=5,
                       scoring='neg_mean_squared_error')
grid_search.fit(housing_prepared, housing_labels)

在这里我没有得到 n_estimator 和 max_feature 的概念。是否像 n_estimator 表示数据中的记录数和 max_features 表示要从数据中选择的属性数？

走得更远后，我得到了这个结果:

>> grid_search.best_params_
{'max_feature':8, 'n_estimator':30}

所以问题是我没有得到这个结果实际上想要说的..

Answer 1

阅读 RandomForest Regressor 的文档后你可以看到 n_estimators是森林中要使用的树木数量。由于随机森林是一种包含创建多个决策树的集成方法，因此该参数用于控制过程中要使用的树的数量。
max_features另一方面，确定在寻找 split 时要考虑的最大特征数。更多信息max_features阅读 this answer .