随机森林中的引导数(scikit-learn)

Posted

技术标签:

【中文标题】随机森林中的引导数(scikit-learn)【英文标题】:The number of bootstraps in Random Forest (scikit-learn) 【发布时间】:2016-06-22 02:33:11 【问题描述】:

我在 python scikit-learn 中使用 RandomForestRegressor。

据我所知,随机森林算法采用随机引导样本。但我不确定如何设置和调整引导程序的数量。

n_estimators 是设置引导次数的参数吗?是否有任何设置该值的好值的技巧?

【问题讨论】:

【参考方案1】:

子样本大小始终与原始输入样本大小相同,但如果 bootstrap=True(默认),则使用替换抽取样本。 看看这里。 http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html

【讨论】:

抱歉,我所说的“子样本数量”是“随机引导的数量”。我更新了我的问题。

以上是关于随机森林中的引导数(scikit-learn)的主要内容,如果未能解决你的问题,请参考以下文章

scikit-learn 中的随机森林解释

如何在 scikit-learn 中控制随机森林中的特征子集?

使用 scikit-learn 并行生成随机森林

Scikit-learn 随机森林 out of bag 样本

如何在 Python scikit-learn 中输出随机森林中每棵树的回归预测?

在 scikit-learn 中使用随机森林时的 feature_importances_