分类算法——集成学习方法之随机森林(六)

集成学习方法

集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类

器/模型,各自独立地学习和作出预测。这些预测最后结合成组合预测,因此优于任何一

个单分类的做出预测。

随机森林

在机器学习中,随机森林是一个包含多个决策树 的分类器,并且其输出的类别是由个别树

输出的类别的众数而定。

例如:如果训练了5个树,其中有4个树的结果是True,1个数的结果是Fals,那么最终投 票结果就是True。

随机森林原理过程

两个随机:训练集随机+特征随机(bootstrap 随机有放回抽样)

训练集随机------N个样本中随机有放回的抽样N个

特征随机------从M个特征中随机抽取m个特征(M >> m,起到降维的效果)

1学习算法根据下列算法而建造每棵树:

  • 用N来表示训练用例(样本)的个数,M表示特征数目
    • 1、一次随机选出一个样本,重复N次,(有可能出现重复的样本)
    • 2、随机去选出m个特征,m<<M,建立决策树
  • 采取bootstrap抽样

2为什么采用BootStrap抽样?

  • 为什么要随机抽样训练集?
    • 如果不进行随机抽样,每棵树的训练集都一样,那么最终训练出的树分类结果也是完全一样的
  • 为什么要有放回地抽样?
    • 如果不是有放回的抽样,那么每棵树的训练样本都是不同的,都是没有交集的,这样每棵树都是"有偏的",都是绝对"片面的"(当然这样说可能不对),也就是说每棵树训练出来都是有很大的差异的;而随机森林最后分类取决于多棵树(弱分类器)的投票表决。

API

  • class sklearn.ensemble.RandomForestClassifier(n_estimators=10,criterion='gini' max_depth=None, bootstrap=True, random_state=None,min_samples_split=2)
    • 随机森林分类器
    • n_estimators:integer,optional(default=10)------森林里的树木数量
      120,200,300,500,800,1200
    • criteria:string,可选(default="gini")------分割特征的测量方法
    • max_depth:nteger或None,可选(默认=无)------树的最大深度5,8,15,25,30
    • max_features="auto"------每个决策树的最大特征数量
      • lf "auto",then max_features=sqrt(n_features)
      • If "sqrt",then max_features=sqrt(n_features) (same as "auto")
      • lf "log2",then max_features=log2(n_features)
      • If None,then max_features=n_features
    • bootstrap:boolean,optional(default=True)------是否在构建树时使用放回抽样
    • min_samples_split:节点划分最少样本数
    • min_samples_leaf:叶子节点的最小样本数
    • 超参数:n_estimator,max_depth,min_samples_split,min_samples_leaf

总结

  • 在当前所有算法中,具有极好的准确率
  • 能够有效地运行在大数据集上,处理具有高维特征的输入样本,而且不需要降维
  • 能够评估各个特征在分类问题上的重要性
相关推荐
Bugman.13 小时前
分类任务-三个重要网络模型
深度学习·机器学习·分类
dlraba80215 小时前
PyTorch 模型部署实战:用 Flask 搭图像分类 API
pytorch·分类·flask
my烂笔头1 天前
计算机视觉 图像分类 → 目标检测 → 实例分割
目标检测·计算机视觉·分类
过往入尘土2 天前
回归与分类算法全解析:从理论到实践
分类·数据挖掘·回归
jllllyuz2 天前
基于K近邻(KNN)算法的高光谱数据分类MATLAB实现
算法·matlab·分类
Giser探索家2 天前
建筑物孪生模型:重构空间数字化格局,赋能智慧城市
大数据·人工智能·算法·重构·分类·云计算·智慧城市
码上地球3 天前
大数据成矿预测系列(四) | 成矿预测的“主力军”:随机森林与支持向量机深度解析
大数据·随机森林·支持向量机
新兴ICT项目支撑4 天前
BERT文本分类超参数优化实战:从13小时到83秒的性能飞跃
人工智能·分类·bert
天桥下的卖艺者4 天前
R语言基于shiny开发随机森林预测模型交互式 Web 应用程序(应用程序)
前端·随机森林·r语言·shiny
周杰伦_Jay4 天前
【Git操作详解】Git进行版本控制与管理,包括分支,提交,合并,标签、远程仓库查看
大数据·ide·git·科技·分类·github