企业官网建设流程全解析

成都在哪建设网站,揭东建设局网站,wordpress 批量标签,网站主页模板 优帮云文章目录 一、 算法基本原理二、 算法步骤三、参数调优四、分类与回归1. 分类2. 回归 一、 算法基本原理 随机森林通过有放回抽样的形式对样本和特征进行抽样#xff0c;构建多颗决策树#xff0c;形成决策树的森林。训练这些决策树后#xff0c;基于每一个决策树的结果的投…文章目录一、 算法基本原理二、 算法步骤三、参数调优四、分类与回归1. 分类2. 回归一、 算法基本原理随机森林通过有放回抽样的形式对样本和特征进行抽样构建多颗决策树形成决策树的森林。训练这些决策树后基于每一个决策树的结果的投票或平均的方式预测。二、 算法步骤析数据将数据抽象成特征向量的列表训练模型并分析训练成果基于训练好的模型进行预测根据自己的目标确定预测结果是否可接受调整超参数提高预测准确率三、参数调优网络搜索适用与超参数选择范围较小的情况且要求超参数分布离散网络搜索适用于超参数范围较大的情况可以做初步寻优且允许超参数分布连续贝叶斯优化智能化搜索一般结果固定代码示例# 贝叶斯优化search_space{n_estimators:Integer(10,500),max_depth:Integer(5,30),min_samples_leaf:Integer(1,10),min_samples_split:Integer(2,20),max_features:Real(0.0000000001,0.99),bootstrap:Categorical([True,False])}bayes_searchBayesSearchCV(estimatorrf_model,search_spacessearch_space,n_iter30,cv5,n_jobs-1,scoringaccuracy,random_state42,verbose1)bayes_search.fit(X_train,y_train)print(bayes_search.best_params_)# 随机搜索random_param_dist{n_estimators:randint(10,500),max_depth:[None]list(randint(1,100).rvs(5)),min_samples_split:randint(2,20),max_features:uniform(0.1,0.9),min_samples_leaf:randint(1,10)}random_searchRandomizedSearchCV(estimatorrf_model,param_distributionsrandom_param_dist,n_iter100,cv5,scoringaccuracy,n_jobs-1)random_search.fit(X_train,y_train)best_paramsrandom_search.best_params_print(best_params)# 网络搜索param_grid{n_estimators:[20,40,100,200,500],max_depth:[5,10,15,None],min_samples_split:[2,5,10],min_samples_leaf:[1,2,4]}grid_searchGridSearchCV(estimatorrf_model,param_gridparam_grid,cv5,scoringaccuracy,n_jobs-1)grid_search.fit(X_train,y_train)print(grid_search.best_params_)注意导入相关库四、分类与回归用p y t h o n pythonpythonsklearn 库来进行随机森林预测。1. 分类基于投票决定预测结果要求结果分布离散。如胜负、高低等可以用分类器做预测胜为1负为0。2. 回归基于平均决定预测结果要求结果分布连续。如电影评分。