Python 如何获得最小OOB误差的n_估计量和最大_特征，并将其用于优化？

我想优化一个随机森林分类器。因此，我绘制了一个OOB错误（代码在scikit中提供）。从这个图中，我想选取2个变量（n_估计量和max_特征），它们给出了最低的OOB误差。然后使用它们来优化分类器（clf.fit）

从曲线可以看出，使用170个n_估计量和5个max_特征，我得到了最低的OOB。但是如何将这两个值作为clf.fit发送到随机林？我想使用这种技术，而不是随机搜索或网格搜索

你知道从哪里开始吗

多谢各位。

---

在使用fit功能之前，必须初始化RF分类器。因此，您将使用您认为最好的参数初始化RF，如文档中所述：clf=RandomForestClassifier（n_estimators=best_n，max_features=best_F）或最具体的参数：clf=RandomForestClassifier（n_estimators=170，max_features=5）。然后您使用拟合函数来训练分类器。@Nikolas Rieble Hi。我明白。但是，是否有任何“方法”、“参数”来获取这些信息并将其放入分类器中？因为我有很多数据集，我不想直观地确定n_估计量或max_特征。所以你的问题是：如何在五个数组中找到最小值的位置？这个问题可以进一步分解为a）如何找到数组的最小值？和b）如何查找数组中特定元素的索引？另一种解决方案是在创建这些数组时跟踪最小值，例如从无限最小值开始，然后替换，如果发现更好的参数集，则必须在使用拟合函数之前初始化RF分类器。因此，您将使用您认为最好的参数初始化RF，如文档中所述：clf=RandomForestClassifier（n_estimators=best_n，max_features=best_F）或最具体的参数：clf=RandomForestClassifier（n_estimators=170，max_features=5）。然后您使用拟合函数来训练分类器。@Nikolas Rieble Hi。我明白。但是，是否有任何“方法”、“参数”来获取这些信息并将其放入分类器中？因为我有很多数据集，我不想直观地确定n_估计量或max_特征。所以你的问题是：如何在五个数组中找到最小值的位置？这个问题可以进一步分解为a）如何找到数组的最小值？和b）如何查找数组中特定元素的索引？另一种解决方案是在创建这些数组时跟踪最小值，例如从无限最小值开始，然后在找到更好的参数集时替换