回答情况：
提问时间：
问题标签：
1回答
我试着建立一个二项分布分类的随机森林分类器。有人能解释为什么每次我运行这个程序时，我的准确度分数都会变化吗？分数在68% - 74%之间。此外，我试图调整参数，但我无法获得超过74的准确性。
浏览 3提问于2017-09-10得票数 2
回答已采纳
我创建了一个以随机森林作为基分类器的分类集合。每个随机森林都有500棵树。合共有100个这样的森林。多数票被用作投票方案。我期望分类器比单个随机森林的性能略好一些。然而，它的性能比随机森林差得多。
浏览 0修改于2018-04-09得票数 -1
2回答
我正在研究一个随机森林分类器模型，将数据分类为4类。数据集是来自两个不同的防火墙应用程序的连接日志，带有100K+示例和10个属性。训练集样本数据集的准确度为0.90~0.97。
浏览 5修改于2017-09-24得票数 0
回答已采纳
2回答
我的预测模型使用了RandomForestClassifier。但是打印的输出要么是0，要么是小数。我需要做什么，我的模型，以显示给我0和1's，而不是小数？另外，我的估计数等于1000。我是增加还是减少？100.9940.355如果你看了这篇文章，谢谢你！
浏览 0修改于2022-06-04得票数 0
我最近一直在使用随机森林回归，我得到了很棒的结果。我在网上读到，你可以用随机森林分类器来处理分类数据，我在谷歌上搜索了一些这方面的例子，但是我找不到非常有用的东西。我看了几篇关于将分类数据编码成数值数据的文章，但我知道，这对于随机森林方法来说不是个好主意。如果您可以实际使用随机森林技术来预测基于分类数据的结果，请共享一些资源(链接、代码等)。我很想测试这个概念。
浏览 3提问于2020-01-09得票数 0
回答已采纳
1回答
寻找随机森林分类器指标，如ROC，精确度回忆曲线，精确度，召回率，基于数据帧使用pyspark的F1分数。我可以在RDD object.Could上得到相同的指标，请帮帮忙。
浏览 1提问于2019-04-10得票数 0
2回答
我一直试图在一个有大约50,000个条目和大约20个标签的数据集上运行RF分类器，我认为这应该很好，但当我尝试拟合时，我总是遇到以下问题……有什么建议吗？
谢谢
浏览 1提问于2013-11-27得票数 10
我使用Scikit学习中的函数RandomForestClassifier来创建一个随机森林来进行预测。在程序中连续使用预测器和目标值来训练森林。True)tar_test=tar_test.reset_index(drop=True)
在此之后，程序创建并训练随机森林现在，它将另一个包含未知数据的数据帧传递给上面创建的森林，我得到了前面描述的坏结果。你能帮帮我吗?这个问题可能是<e
浏览 1提问于2016-08-18得票数 0
我发现了，答案是否定的，sklearn随机森林分类器不能处理分类变量(或者至少不是直接处理)。答案在2020年改变了吗？假设max_features = 7，当训练一棵树时，它会随机选择七个特征。假设选择了gender。如果gender被分成三列(gender_M、gender_F、gender_
浏览 1修改于2020-04-30得票数 4
回答已采纳
是否需要对python中的随机森林分类器进行一次热编码？我想从逻辑上理解，随机林中是否可以用标签编码来处理分类特性，而不是单热编码。
浏览 4修改于2021-01-14得票数 0
1回答
下面是我在您的环境中运行它的代码，我正在使用RandomForestClassifier，并试图为RandomForestClassifier中选定的示例计算出decision_path。import pandas as pdfrom sklearn.ensemble import RandomForestClassifier
浏览 2修改于2020-07-09得票数 3
回答已采纳
1回答
我已经在泰坦尼克数据集上实现了一个标准的随机森林分类器，并希望探索sklearn的decision_path方法，它是在v0.18中引入的。()
然而，它输出一个稀疏矩阵，我不确定如何理解。注：编辑以简化随机森林(极限深度和n_trees)
浏览 4修改于2017-03-15得票数 5
1回答
我需要开发一个模型，它将是免费的(或接近免费的)假负值。为此，我绘制了召回-精度曲线，并确定阈值应设置为0.11X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=101)
rfc_model.fit(X_train, y_train)
rfc_preds = rfc_model
浏览 0修改于2020-11-02得票数 5
回答已采纳
我正在处理一个有监督的学习问题，并试图预测一个二进制标签，并使用随机森林进行预测。
我试着调整我的超参数，根据我的数据给我一个最好的模型。我可以用GridSearchCV()来做这件事，但是对于随机森林来说，这是正确的吗？如果我使用的是GridSearchCV()，那么训练集和测试集就会随每个折叠而变化。使用随机森林获得最佳OOB成绩的规则是什么？我能不能只循环一组参数，并适合同一训练和测试集？我可以使用GridSearchCV()吗，或者这对RF没有意义吗？
浏览 0提问于2020-06-19得票数 0
因此，现在我对如何正确使用分类器的"class_weight“选项感到困惑。似乎只有当训练数据中的“正”和“负”样本的数量与整个数据集中的数量相同时，它才有效。
浏览 2修改于2017-12-07得票数 2
1回答
我使用随机森林分类器(在R中)来对数据集中丢失的数据进行分类。基本上，我有一堆对象(公司)，我想从其他属性(capital、owning_group和state)中猜测一个属性(D3)。一个由3个变量组成的随机森林(R包randomForest)提供了以下输出： randomForest0.18232 0.6076
Balanced Accuracy
浏览 0修改于2018-07-28得票数 2
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号