H2O中的隨機森林算法介紹及其項目實戰（python實現）

Ｈ2O中的隨機森林算法介紹及其項目實戰（python實現）

包的引入：from h2o.estimators.random_forest import H2ORandomForestEstimator

H2ORandomForestEstimator 的常用方法和參數介紹：

(一)建模方法：

model ＝H2ORandomForestEstimator(ntrees=ｎ,max_depth =ｍ)

model.train(x=random_pv.names,y='Catrgory',training_frame=trainData)

通過trainData來構建隨機森林模型，model.train中的trainData：訓練集，ｘ：預測變量名稱，ｙ：預測 響應變量的名稱

(二)預測方法：

pre_tag=H2ORandomForestEstimator.predict(model ,test_data) 利用訓練好的模型來對測試集進行預測，其中的model：訓練好的模型， test_data：測試集。

(三)算法參數說明：

(1)ntrees：構建模型時要生成的樹的棵樹。

(2)max_depth ：每棵樹的最大深度。

項目要求：

題目一： 利用train.csv中的數據，通過H2O框架中的隨機森林算法構建分類模型，然后利用模型對 test.csv中的數據進行預測，並計算分類的准確度進而評價模型的分類效果；通過調節參 數，觀察分類准確度的變化情況。 注：准確度＝預測正確的數占樣本數的比例

題目二： 通過H2o Flow 的隨機森林算法，用同題目一中所用同樣的訓練數據和參數，構建模型； 參看模型中特征的重要性程度，從中選取前８個特征，再去訓練模型，並重新預測結果， 進而計算分類的准確度。

需求完成內容：２個題目的代碼，認為最好的准確度的輸出值和test數據與預測結果合並 后的數據集，命名為predict.csv

 

python實現代碼如下：

(1) 題目一：

#手動進行調節參數得到最好的准確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division  
df=h2o.import_file('train.csv')
trainData=df[2:]

model=H2ORandomForestEstimator(ntrees=6,max_depth =16)
model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
df2=h2o.import_file('test.csv')
test_data=df2[2:]
pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
Precision=dfnew.nrow/predict.nrow

print(Precision)
h2o.download_csv(predict,'predict.csv')

運行結果最好為87.0833%-6-16，如下

#for循環進行調節參數得到最好的准確率

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division  
df=h2o.import_file('train.csv')
trainData=df[2:]
df2=h2o.import_file('test.csv')
test_data=df2[2:]
Precision=0
nt=0
md=0
for i in range(1,50):
        for j in range(1,50):
            model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
            model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
            pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
            predict=df2.concat(pre_tag)
            dfnew=predict[predict['Catrgory']==predict['predict']]
            p=dfnew.nrow/predict.nrow
            if Precision<p:
                Precision=p
                nt=i
                md=j

print(Precision)
print(i)
print(j)
h2o.download_csv(predict,'predict.csv')

　運行結果最好為87.5%-49-49，如下

(2)題目二：建模如下,之后挑出排名前8的特征進行再次建模

#手動調節參數得到最大准確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division  
df=h2o.import_file('train.csv')
trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
df2=h2o.import_file('test.csv')
test_data=df2[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]

model=H2ORandomForestEstimator(ntrees=5,max_depth =18)
model.train(x=trainData.names,y='Catrgory',training_frame=trainData)

pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
Precision=dfnew.nrow/predict.nrow

print(Precision)
h2o.download_csv(predict,'predict.csv')

　　運行結果最好為87.5%-5-18，如下

#for循環調節參數得到最大正確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division  
df=h2o.import_file('train.csv')
trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
df2=h2o.import_file('test.csv')
test_data=df2[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
Precision=0
nt=0
md=0
for i in range(1,50):
        for j in range(1,50):
            model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
            model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
            pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
            predict=df2.concat(pre_tag)
            dfnew=predict[predict['Catrgory']==predict['predict']]
            p=dfnew.nrow/predict.nrow
            if Precision<p:
                Precision=p
                nt=i
                md=j

print(Precision)
print(i)
print(j)
h2o.download_csv(predict,'predict.csv')

　運行結果最好為87.5%-49-49，如下