機器學習——隨機森林，RandomForestClassifier參數含義詳解

1.隨機森林模型

clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=4)
rf_clf = clf.fit(x, y.ravel())

　　RandomForestClassifier函數的參數含義詳解：

• max_features：隨機森林允許單個決策樹使用特征的最大數量。 Python為最大特征數提供了多個可選項。 下面是其中的幾個：

　　　　Auto/None ：簡單地選取所有特征，每顆樹都可以利用他們。這種情況下，每顆樹都沒有任何的限制。

　　　　sqrt ：此選項是每顆子樹可以利用總特征數的平方根個。 例如，如果變量（特征）的總數是100，所以每顆子樹只能取其中的10個。“log2”是另一種相似類型的選項。

　　　　0.2：此選項允許每個隨機森林的子樹可以利用變量（特征）數的20％。如果想考察的特征x％的作用， 我們可以使用“0.X”的格式。

 

• n_estimators：在利用最大投票數或平均值來預測之前，你想要建立子樹的數量。 較多的子樹可以讓模型有更好的性能，但同時讓你的代碼變慢。 你應該選擇盡可能高的值，只要你的處理器能夠承受的住，因為這使你的預測更好更穩定。

　　其他參數還包括決策樹模型的系列參數。