为什么';我的Python随机回归器不能准确预测训练集数据吗?
我正在学习机器学习,希望在一个相当复杂的数据集上使用scikit learn的为什么';我的Python随机回归器不能准确预测训练集数据吗?,python,machine-learning,scikit-learn,random-forest,Python,Machine Learning,Scikit Learn,Random Forest,我正在学习机器学习,希望在一个相当复杂的数据集上使用scikit learn的RandomForestRegressor()。不过,为了首先掌握诀窍,我将尝试通过一个基本示例进行操作,如下所示: import sklearn.ensemble as se import numpy as np forest = se.RandomForestRegressor(n_estimators=1000) traindata = np.arange(1000).reshape(200,5) forest
RandomForestRegressor()
。不过,为了首先掌握诀窍,我将尝试通过一个基本示例进行操作,如下所示:
import sklearn.ensemble as se
import numpy as np
forest = se.RandomForestRegressor(n_estimators=1000)
traindata = np.arange(1000).reshape(200,5)
forest = forest.fit(traindata[0::,1::],traindata[0::,0])
forest.feature_importances_
>> array([0.26349716, 0.23664264, 0.23360533, 0.26625487])
在这一点上,我想我做的是:我创建了一个200行矩阵,每行有5个值,格式为[x,x+1,x+2,x+3,x+4]
,其中x
是5的倍数(例如[0,1,2,3,4]
,[5,6,7,8,9]
,等等)
我已经告诉我的森林去适应特性[x+1,x+2,x+3,x+4]
来预测x
。以下是我预测的结果:
forest.predict([1,2,3,4])
>> array([2.785])
这对我来说真的很不直观。考虑到[1,2,3,4]
的特征值在x=0
的训练数据中,我的森林难道不能预测比2.785更接近吗
我进一步了解了功能的重要性,如下所示:
import sklearn.ensemble as se
import numpy as np
forest = se.RandomForestRegressor(n_estimators=1000)
traindata = np.arange(1000).reshape(200,5)
forest = forest.fit(traindata[0::,1::],traindata[0::,0])
forest.feature_importances_
>> array([0.26349716, 0.23664264, 0.23360533, 0.26625487])
对我来说,这并不意味着我所看到的方式有很大的偏差。我错过了什么 当我尝试你的代码时,我得到了
AttributeError:“module”对象没有属性“arrange”
,因此这里是你的示例的一个可复制版本(一般来说,我建议显式创建单独的X和Y以避免犯愚蠢的错误,这是我看到你的问题时的第一个想法)。正如您在下面看到的,随机林分类器在训练集中对您的示例执行得非常完美。随机森林回归器不能产生完美的预测。我不知道这是为什么,但这是一个开始
import numpy as np
import sklearn.ensemble as se
import numpy as np
x = 0
X_train = []
Y_train = []
while x < 1000:
Y_train.append(x)
X_train.append([x + 1, x + 2, + x + 3, x + 4])
x += 5
forestregression = se.RandomForestRegressor(n_estimators=1000)
forestregression.fit(X_train, Y_train)
print(forestregression.predict(X_train))
[ 3.005 4.96 9.015 13.875 18.9 23.985 29.18 34.24
39.035 43.765 49.135 54.06 59.15 63.99 68.85 74.205
79.12 84.01 88.9 93.92 98.995 104.13 108.825 114.14
119.1 123.84 128.895 134.15 138.905 144.075 148.91 153.895
159.165 163.83 169.065 174.195 179.03 183.975 188.915 194.06
198.9 204.105 208.975 214.11 218.79 224.135 228.985 234.205
239.13 244.025 249.04 254.065 258.975 264.14 269.03 274.105
278.985 284. 288.935 294.055 299.04 304.025 308.895 313.92
318.82 324.1 328.92 334.18 338.985 344.07 348.905 353.94
359.115 364.11 369. 374.11 379.07 383.995 388.975 394.005
399.035 403.91 408.99 414.125 419.165 424.17 428.86 434.14
438.945 444.155 449.12 453.97 459.075 464.075 469.025 474.105
478.895 483.98 489.085 494.105 498.985 504.045 508.99 514.02
519.02 524.115 529.115 533.985 538.95 544.085 548.915 553.94
558.935 564.035 568.925 574.12 578.925 583.995 589.21 593.99
599.17 603.925 608.93 613.98 619.105 623.975 629.11 634.08
638.99 644.06 648.85 654.05 659.175 664.155 669.03 673.85
679.01 684.005 689.015 694.02 699.225 704.135 708.965 713.86
718.88 723.84 728.99 733.835 738.985 744.205 748.99 753.74
759.1 764.125 768.935 774.195 778.925 783.835 789.25 793.8
798.925 804.03 809.06 813.98 819.135 823.9 828.9 834.04
839.035 844.18 848.955 854.1 858.98 864.095 868.995 874.02
879.165 883.795 888.905 894.245 898.965 903.8 908.98 913.945
918.92 924.26 929.05 933.915 938.815 944.04 949.175 953.815
959.025 963.925 968.99 974.07 979.1 984.095 988.715 992.18 ]
forestclassifier = se.RandomForestClassifier(n_estimators=1000)
forestclassifier.fit(X_train, Y_train)
print(forestclassifier.predict(X_train))
[ 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85
90 95 100 105 110 115 120 125 130 135 140 145 150 155 160 165 170 175
180 185 190 195 200 205 210 215 220 225 230 235 240 245 250 255 260 265
270 275 280 285 290 295 300 305 310 315 320 325 330 335 340 345 350 355
360 365 370 375 380 385 390 395 400 405 410 415 420 425 430 435 440 445
450 455 460 465 470 475 480 485 490 495 500 505 510 515 520 525 530 535
540 545 550 555 560 565 570 575 580 585 590 595 600 605 610 615 620 625
630 635 640 645 650 655 660 665 670 675 680 685 690 695 700 705 710 715
720 725 730 735 740 745 750 755 760 765 770 775 780 785 790 795 800 805
810 815 820 825 830 835 840 845 850 855 860 865 870 875 880 885 890 895
900 905 910 915 920 925 930 935 940 945 950 955 960 965 970 975 980 985
990 995]
将numpy导入为np
将sklearn.ensemble作为se导入
将numpy作为np导入
x=0
X_列车=[]
Y_train=[]
当x<1000时:
Y_列附加(x)
X_列附加([X+1,X+2,+X+3,X+4])
x+=5
forestregression=se.随机ForestRegressionor(n_估计值=1000)
ForestReturnation.fit(X_系列,Y_系列)
打印(forestregression.predict(X_列))
[ 3.005 4.96 9.015 13.875 18.9 23.985 29.18 34.24
39.035 43.765 49.135 54.06 59.15 63.99 68.85 74.205
79.12 84.01 88.9 93.92 98.995 104.13 108.825 114.14
119.1 123.84 128.895 134.15 138.905 144.075 148.91 153.895
159.165 163.83 169.065 174.195 179.03 183.975 188.915 194.06
198.9 204.105 208.975 214.11 218.79 224.135 228.985 234.205
239.13 244.025 249.04 254.065 258.975 264.14 269.03 274.105
278.985 284. 288.935 294.055 299.04 304.025 308.895 313.92
318.82 324.1 328.92 334.18 338.985 344.07 348.905 353.94
359.115 364.11 369. 374.11 379.07 383.995 388.975 394.005
399.035 403.91 408.99 414.125 419.165 424.17 428.86 434.14
438.945 444.155 449.12 453.97 459.075 464.075 469.025 474.105
478.895 483.98 489.085 494.105 498.985 504.045 508.99 514.02
519.02 524.115 529.115 533.985 538.95 544.085 548.915 553.94
558.935 564.035 568.925 574.12 578.925 583.995 589.21 593.99
599.17 603.925 608.93 613.98 619.105 623.975 629.11 634.08
638.99 644.06 648.85 654.05 659.175 664.155 669.03 673.85
679.01 684.005 689.015 694.02 699.225 704.135 708.965 713.86
718.88 723.84 728.99 733.835 738.985 744.205 748.99 753.74
759.1 764.125 768.935 774.195 778.925 783.835 789.25 793.8
798.925 804.03 809.06 813.98 819.135 823.9 828.9 834.04
839.035 844.18 848.955 854.1 858.98 864.095 868.995 874.02
879.165 883.795 888.905 894.245 898.965 903.8 908.98 913.945
918.92 924.26 929.05 933.915 938.815 944.04 949.175 953.815
959.025 963.925 968.99 974.07 979.1 984.095 988.715 992.18 ]
forestclassifier=se.RandomForestClassifier(n_估计器=1000)
装配(X_系列,Y_系列)
打印(forestclassifier.predict(X_列))
[ 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85
90 95 100 105 110 115 120 125 130 135 140 145 150 155 160 165 170 175
180 185 190 195 200 205 210 215 220 225 230 235 240 245 250 255 260 265
270 275 280 285 290 295 300 305 310 315 320 325 330 335 340 345 350 355
360 365 370 375 380 385 390 395 400 405 410 415 420 425 430 435 440 445
450 455 460 465 470 475 480 485 490 495 500 505 510 515 520 525 530 535
540 545 550 555 560 565 570 575 580 585 590 595 600 605 610 615 620 625
630 635 640 645 650 655 660 665 670 675 680 685 690 695 700 705 710 715
720 725 730 735 740 745 750 755 760 765 770 775 780 785 790 795 800 805
810 815 820 825 830 835 840 845 850 855 860 865 870 875 880 885 890 895
900 905 910 915 920 925 930 935 940 945 950 955 960 965 970 975 980 985
990 995]
为什么不能准确预测?
简短版本:由于smart Breiman提出的方法的性质
较长版本:
随机森林是非常有趣的学习者
然而,你需要一点耐心来调整它们
forest.setp_param( oob_score = True, # set True to be able to read
# # oob-samples score
random_state = 2015 # set so as to keep retesting
# # possible / meaniningfull on
# # an otherwise randomised
# # learner construction
)
原则上,任何使用.fit()
方法的尝试都会在幕后进行大量工作,以构建一组随机的决策树,使其成为一个随机森林,为您的数据集工作
.fit()
的“质量”用.oob_分数
表示,它显示了已经使用的oob
样本(布雷曼方法的真实部分)的准确性在给定的随机森林
的培训完成后。这有助于您估计经过训练的随机森林在可用数据集上的表现“良好”或“较差”
然而,更重要的是(或应该是),学习者的概括能力如何,也就是说,学习者的概括能力如何