随机林库：R和Python中的不同结果

下面的代码用R和python训练一个随机森林模型。正如您所注意到的，r1-0.27=0.73中的精度比python0.69中的精度更好。此外，特性的重要性在R和Python中是不同的

[编辑]是否有任何方法可以在python中复制R结果，或者有些事情是无法控制的？两个库中的一些可调参数不同，这使得很难进行匹配

其他人从Pyton和R的随机森林中得到不同的结果吗？区别是什么

R代码： 输出：

 Call:
 randomForest(formula = admit ~ gre + gpa + rank, data = mydata,      
 ntree = 1000, importance = TRUE, replace = TRUE) 
           Type of random forest: classification
                 Number of trees: 1000
 No. of variables tried at each split: 1

    OOB estimate of  error rate: 28.5%
Confusion matrix:
   0  1 class.error
0 254 19  0.06959707
1  95 32  0.74803150
          0          1 MeanDecreaseAccuracy MeanDecreaseGini
gre  0.01741400 0.01209596           0.01566284         31.45256
gpa  0.02565179 0.02467486           0.02527394         43.32355
rank 0.02570388 0.04844323           0.03283692         18.15780

RandomForestClassifier(bootstrap=True, 
class_weight=None, criterion='gini',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_impurity_decrease=0.0, min_impurity_split=None,
        min_samples_leaf=1, min_samples_split=2,
        min_weight_fraction_leaf=0.0, n_estimators=1000, n_jobs=1,
        oob_score=True, random_state=None, verbose=0, 
warm_start=False)
0.6925
>>> >>> >>> array([[229,  44],
                  [ 79,  48]])
array([ 0.34573918,  0.53783772,  0.11642309])

Python代码 输出：

 Call:
 randomForest(formula = admit ~ gre + gpa + rank, data = mydata,      
 ntree = 1000, importance = TRUE, replace = TRUE) 
           Type of random forest: classification
                 Number of trees: 1000
 No. of variables tried at each split: 1

    OOB estimate of  error rate: 28.5%
Confusion matrix:
   0  1 class.error
0 254 19  0.06959707
1  95 32  0.74803150
          0          1 MeanDecreaseAccuracy MeanDecreaseGini
gre  0.01741400 0.01209596           0.01566284         31.45256
gpa  0.02565179 0.02467486           0.02527394         43.32355
rank 0.02570388 0.04844323           0.03283692         18.15780

RandomForestClassifier(bootstrap=True, 
class_weight=None, criterion='gini',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_impurity_decrease=0.0, min_impurity_split=None,
        min_samples_leaf=1, min_samples_split=2,
        min_weight_fraction_leaf=0.0, n_estimators=1000, n_jobs=1,
        oob_score=True, random_state=None, verbose=0, 
warm_start=False)
0.6925
>>> >>> >>> array([[229,  44],
                  [ 79,  48]])
array([ 0.34573918,  0.53783772,  0.11642309])

---

我在上发现了一个类似的问题，它链接到不同的基准…

与许多机器学习模型一样，训练随机森林模型的过程高度依赖于模型的超参数值，以及初始随机种子，这些种子将影响训练期间做出的随机选择

---

在您的例子中，我假设python和R库中选择的默认超参数是不同的，从而导致模型的不同行为。通过手动将所有超参数设置为相等，可以测试行为之间是否确实存在差异。我猜这之后剩下的差异可能是由于数值问题，或者是由于训练中的随机性，在同一数据上训练的不同随机林永远不会相同。

所以你的问题是。。。？您想知道为什么会有这种差异吗？看起来randomForest默认值比sklearn默认值更适用于此特定数据。我不会再多读了。