Python 3.x 如何在scikit学习中控制随机林中的特征子集？

我试图改变随机森林算法在每个节点的子集特征中使用的方式。在Scikit学习方式中实现的原始算法是随机子集。我想从几个子集的几个选项中为每个新节点定义哪个子集。在scikit中有没有直接的方法来学习控制这种方法？如果没有，是否有办法更新Scikit learn的相同代码？如果是，您认为应该更新源代码中的哪个函数

简短版：这就是你的全部

我假设“每个节点的子集特征”指的是样本子集的随机选择，可能还有用于训练森林中单个树木的特征。如果这就是你的意思，那么你不是在建立一个随机的森林；您希望创建特定树的非随机森林

---

一种方法是使用仔细指定的特征子集分别构建每个

DecisionTreeClassifier

，然后使用

VotingClassifier

将树组合成一个林。（该功能仅在0.17/dev中可用，因此您可能需要构建自己的，但构建投票分类器估计器类非常简单。）

亲爱的Andreus，非常感谢您宝贵的时间和回答。也许我的问题不是很清楚。请让我解释一下。我想要的控件位于节点级别，而不是树级别。你的建议在树的层次上。我想要的是与随机林中发生的完全相同的事情，其中在林中每棵树的每个节点的级别上执行特征子集。正如你提到的不同：原始RF随机子集，我要求的不是随机子集。然而，这两种解决方案仍然使用随机重采样数据。谢谢。sklearn有两个不同的随机森林。RandomForestClassifier不使用随机拆分；它使用

标准

算法根据最大信息增益决定拆分，就像每个决策树一样。ExtraTreesClassifier确实在拆分中使用了一些随机性。如果你想手动控制每个节点上发生的事情，也就是说，所有人。亲爱的安德鲁斯，再次感谢你宝贵的时间。我完全同意你关于分裂点的看法。我说的是功能的子集。每个节点上的随机林，（1）随机选择特征子集（我的问题），然后（2）根据基尼杂质或信息增益（您的评论点）进行分割。但是，这两个操作都在节点级别。所以正如你说的，我必须从头开始。您的意思是为决策树构建新类，还是有可能建议我在哪里编辑Scikit学习代码？非常感谢。