Scikit learn RandomForestsClassifier是否具有“决策函数”?
sklearn中的SVC有一个Scikit learn RandomForestsClassifier是否具有“决策函数”?,scikit-learn,Scikit Learn,sklearn中的SVC有一个decision\u函数函数,但为什么随机林没有呢?其次,我如何为RandomForestsClassifier模拟决策\u函数 是的,它有一个决策功能。 该函数直接编码到随机树的森林中 简单地说,学习者使用这个简单的决策函数策略: 规则a):森林(集合)对结果进行投票 规则b):每个随机树包含一系列决策(由节点表示) 规则c):每个节点都包含一个或多个简单条件,基于这些条件,决策过程根据示例特征向量输入值的指定值从根节点向终端叶移动得更远 规则d):终端叶包含一个
decision\u函数
函数,但为什么随机林没有呢?其次,我如何为RandomForestsClassifier模拟决策\u函数
是的,它有一个决策功能。
该函数直接编码到随机树的森林中
简单地说,学习者使用这个简单的决策函数策略:
规则a):森林(集合)对结果进行投票
规则b):每个随机树包含一系列决策(由节点表示)
规则c):每个节点都包含一个或多个简单条件,基于这些条件,决策过程根据示例特征向量
输入值的指定值从根节点向终端叶移动得更远
规则d):终端叶包含一个值,该值由特定的随机树呈现给集合投票(Ad-a))
虽然这不是一个精确的树表示法(一个节点可以有多个条件-查看有关参数的Scikit文档),但它很好地说明了以下原则:
VOTE[12] = IN[0] < 6.85417 ? 1 : 2
| |
| 2:[IN[5]<183]
| |
| IN[5] < 183 ? 5 : 6
| | |
| | 6:[IN[10]<1.00118]
| | |
| | IN[10] < 1.00118 ? 13 : 14
| | | |
| | | 14:
| | | |
| | |
| | |
| |
| 5:[IN[6]<187]
| |
| IN[6] < 187 ? 11 : 12
| | |
1:
IN[10] < 1.00054 ? 3 : 4
| |
| 4:
| |
|
3:
voter[12]:
0:[inp0<6.85417] yes=1,no=2,missing=1
1:[inp10<1.00054] yes=3,no=4,missing=3
3:[inp21<0.974632] yes=7,no=8,missing=7
7:[inp22<1.01021] yes=15,no=16,missing=15
15:[inp15<0.994931] yes=31,no=32,missing=31
31:[inp12<0.999151] yes=63,no=64,missing=63
63:[inp23<0.957624] yes=111,no=112,missing=111
111:leaf=0.163636
112:leaf=-0.36
64:leaf=0.323077
32:[inp19<0.993949] yes=65,no=66,missing=65
65:[inp23<0.931146] yes=113,no=114,missing=113
113:leaf=-0
114:[inp23<0.972193] yes=161,no=162,missing=161
161:leaf=-0.421782
162:leaf=-0.133333
66:[inp2<61] yes=115,no=116,missing=115
115:leaf=0.381818
116:leaf=-0.388235
16:[inp17<0.985065] yes=33,no=34,missing=33
投票[12]=IN[0]<6.85417?1 : 2
| |
|2:[IN[5]不错!您介意提供一点伪代码吗?