Random Forest演算法中的參數詳解

本篇不是介紹RF的，關於RF網上有很多通俗易懂的解釋
西瓜書與統計學習方法等很多教材中的解釋也都足夠
本篇僅針對如何使用sklearn中的RandomForestClassifier作記錄
一、代碼怎麼寫 [python]  view plain  copy  print ? class sklearn.ensemble.RandomForestClassifier(n_estimators=10, crite-rion=’gini’, max_depth=None,     min_samples_split=2, min_samples_leaf=1,     min_weight_fraction_leaf=0.0,     max_features=’auto’,     max_leaf_nodes=None, bootstrap=True,     oob_score=False, n_jobs=1, ran-dom_state=None, verbose=0,     warm_start=False, class_weight=None)    
二、關於參數 其中關於決策樹的參數：

criterion: ”gini” or “entropy”(default=”gini”)是計算屬性的gini(基尼不純度)還是entropy(資訊增益)，來選擇最合適的節點。

splitter: ”best” or “random”(default=”best”)隨機播放屬性還是選擇不純度最大的屬性，建議用預設。

max_features: 選擇最適屬性時劃分的特徵不能超過此值。

當為整數時，即最大特徵數；當為小數時，訓練集特徵數*小數；

if “auto”, then max_features=sqrt(n_features).

If “sqrt”, thenmax_features=sqrt(n_features).

If “log2”, thenmax_features=log2(n_features).

If None, then max_features=n_features.

max_depth: (default=None)設定樹的最大深度，預設為None，這樣建樹時，會使每一個分葉節點只有一個類別，或是達到min_samples_split。 min_samples_split:根據屬性劃分節點時，每個劃分最少的樣本數。

min_samples_leaf:葉子節點最少的樣本數。

max_leaf_nodes: (default=None)葉子樹的最大樣本數。

min_weight_fraction_leaf: (default=0) 葉子節點所需要的最小權值 verbose:(default=0) 是否顯示任務進程
關於隨機森林特有的參數： n_estimators=10：決策樹的個數，越多越好，但是效能就會越差，至少100左右（具體數字忘記從哪裡來的了）可以達到可接受的效能和誤差率。  bootstrap=True：是否有放回的採樣。  

oob_score=False：oob（out of band，帶外）資料，即：在某次決策樹訓練中沒有被bootstrap選中的資料。多單個模型的參數訓練，我們知道可以用cross validation（cv）來進行，但是特別消耗時間，而且對於隨機森林這種情況也沒有大的必要，所以就用這個資料對決策樹模型進行驗證，算是一個簡單的交叉驗證。效能消耗小，但是效果不錯。  

n_jobs=1：並行job個數。這個在ensemble演算法中非常重要，尤其是bagging（而非boosting，因為boosting的每次迭代之間有影響，所以很難進行並行化），因為可以並行從而提高效能。1=不並行；n：n個並行；-1：CPU有多少core，就啟動多少job

warm_start=False：暖開機，決定是否使用上次調用該類的結果然後增加新的。  

class_weight=None：各個label的權重。  
進行預測可以有幾種形式：

predict_proba(x)：給出帶有機率值的結果。每個點在所有label的機率和為1.  

predict(x)：直接給出預測結果。內部還是調用的predict_proba()，根據機率的結果看哪個類型的預測值最高就是哪個類型。  

predict_log_proba(x)：和predict_proba基本上一樣，只是把結果給做了log()處理。