Scikit learn Python-RandomForestClassifier和XGBClassifier的得分完全相同

问题：你能帮我理解为什么RandomForestClassifier和XGBClassifier的分数完全相同吗

背景：我正在研究卡格尔-泰坦尼克号问题，在我的第一次尝试中，我想比较一些常见的模型

代码：

输出：

0.770949720670391
0.770949720670391
0.6312849162011173

---

非常感谢你的帮助

这两种算法都是基于树的。但是，您可以看到，在

RandomForestClassifier

中有一棵树，因此您实际上是一个

DecisionTreeClassifier

，同时为梯度提升算法使用集成。人们可以期待不同的结果

因此，使性能相等的唯一因素实际上是您的数据。您只有两个功能，而且是分类功能。因此，使用这些数据，您无法学习复杂的模型。所有的树都应该是一样的。您可以检查树中的节点数（例如，

myu管道[0][1]。估计器[0]。树。节点计数

；我只有11个）

---

添加两个额外的数字特征（例如票价和年龄），您将看到树可以进一步找到其他规则，然后性能将发生变化。

这两种算法都是基于树的集成方法。因此，预期的值几乎相似。。但精确匹配可能是因为使用了相似的特征和观察结果

0.770949720670391
0.770949720670391
0.6312849162011173