python - 随机森林提高准确性

Question

我正在使用 RandomForestClassifier 方法进行对象检测，问题是即使我知道我的随机状态默认应该为零，但我的准确度非常差，所以无论如何要知道我的 n_estimators、random_state 参数的最佳值是什么？

from sklearn.ensemble import RandomForestClassifier
RF_model = RandomForestClassifier(n_estimators = 250, random_state = 120)

Answer 1

要确定模型的最佳参数，您可以使用称为网格搜索的过程。 Sklearn 提供了一个用于执行此操作的类， GridSearchCV .我已经提供了如何将它用于随机森林分类器的代码示例。

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV

# provide iterables of values to be tested each parameter
parameters = {'n_estimators': [100, 250, 500, 750]}
clf = GridSearchCV(RandomForestClassifier(), parameters)
clf.fit(X, y)  # X and y are your training data and targets

值得注意的是，在您的问题中，您特别提到寻找 n_estimators 的最佳值。和 random_state参数。我没有包含 random_state作为 GridSearch 的一部分，因为该参数通常用于结果的再现性。这是一些 additonal reading来自 Sklearns Glossary 关于该参数。