Python 随机森林分类器概率只有0,0.1,0.2。。。1.

我试图使用随机林对数据进行分类，但当我生成分类器概率时，它总是有一个值，如0，0.1，0.2。。。1在5位以内。这是统计问题还是软件问题？我在Mac10.7.5上使用scikit learn ensemble for Python 2.7.3中的RandomForestClassifier。我的数据如下所示：

y   x1   x2   x3   x4...
0   23   4    0
1   102  2    0
1   12   17   1

响应变量y是二进制的。共有15个特性，都是实数或整数值，其中一些是二进制的。我有大约2000个训练点和500个测试。我将树的数量设置为500，将每棵树要尝试的功能的数量设置为8，并对其他所有内容使用默认值。在训练模型之后，我使用“predict_probabile”函数生成概率，并得到0.9000000000000002或0.100000000000001这样的结果

我认为这个问题可能是由一个特定的变量引起的，所以我一次只使用一个变量，在五个变量上重复训练模型。每个变量的概率单独具有正常值，如0.5532。当我同时使用两个变量时，一些0.70000等值开始出现。当我使用更多的变量时，我得到的类型值是0.700000的很大一部分

---

这是统计问题还是软件问题？Numpy通过了测试：Numpy.test（），但是scipy.test（）和sklearn.test（）都失败了。我过去使用过sci工具包学习包，测试失败时没有这个问题。此外，我知道我应该修复这些软件包，但是我花了20个小时从源代码安装，然后是二进制软件包，然后阅读了30多个网页，介绍其他人是如何安装的，或者他们有哪些bug。当他们说安装很容易时，我没有看到他们测试软件包。谢谢。

sklearn决策林构建的默认树数为10。很可能您没有正确地更改它，因为林中正好有10棵树，这就是输出的样子（概率是给出类1的树的分数，因此值将为0、.1、.2、…，1）

你能检查指定的参数，看看它是否真的在建500棵树吗

>>> import sklearn.ensemble
>>> rf = sklearn.ensemble.RandomForestRegressor()
>>> rf.n_estimators
10
>>> rf = sklearn.ensemble.RandomForestRegressor(n_estimators=500)
>>> rf.n_estimators
500

---

那太尴尬了。谢谢