Scikit learn 修剪后如何得到修剪后的随机森林模型？

在Scikit学习的随机森林回归器中，可以设置与修剪技术（）相关的

ccp_alpha

参数，我用它来控制过度拟合

在应用它之后，我想使用这个修剪过的模型，通过随机搜索执行超参数调整，并找到我最好的模型。所以，我想要这个修剪过的模型

---

是否可以获得此修剪模型？

当您将

.fit（X\u序列，y\u序列）

函数应用于

RandomForestClassifier（）

或

RandomForestRegressionor（）

类的对象时，返回的拟合模型已被修剪。 这在sklearn实现中的引擎盖下发生。从理论上讲，RandomForest也不仅仅是决策树的组合，而是多个大型决策树的修剪、聚合和使用默认设置的引导版本

---

请放心，这里返回的模型不会因为修剪而过度拟合。如果您确实注意到过度拟合，我建议您检查模型的o.o.b分数，并描述您的整个数据管道，以获取进一步建议

请参阅scikit learn中的此文档

它包括使用成本复杂性实现修剪的详细说明。

什么是“获取”模型？如果使用非零的

ccp_alpha

指定，则在

fit

（或交叉验证）之后返回的模型确实是修剪模型。