Scikit learn 随机森林回归严重过度拟合单变量数据

我试图使用sklearn的随机森林回归作为一个玩具示例。我生成500个1到100之间的均匀随机数作为预测变量，然后获取它们的日志并添加高斯噪声以形成响应变量

我听说随机森林通常是开箱即用的，所以我希望有一个合理的曲线，但我得到的是：

我不明白为什么随机林似乎击中了每个数据点。由于装袋，每棵树都会丢失部分数据，因此当所有树都被平均时，曲线应该更加平滑，而不是碰到异常值

如果有人能帮助我理解为什么这个模型太过合适，我将不胜感激

以下是我用来生成绘图的代码：

from sklearn.ensemble import RandomForestClassifier
import numpy as np
import matplotlib.pyplot as plt

def create_design_matrix(x_array):
    return x_array.reshape((x_array.shape[0],1))

N = 1000

x_array = np.random.uniform(1, 100, N)
y_array = np.log(x_array) + np.random.normal(0, 0.5, N)

model = RandomForestClassifier(n_estimators=100)

model = model.fit(create_design_matrix(x_array), y_array)


test_x = np.linspace(1.0, 100.0, num=10000)
test_y = model.predict(create_design_matrix(test_x))
plt.plot(x_array, y_array, 'ro', linewidth=5.0)
plt.plot(test_x, test_y)
plt.show()

---

谢谢大家!

首先，这是一个回归问题，而不是分类问题

如果您有与示例一样多的类，则决策树将适合它，
对我来说，这并不是一种过度肥胖。

---

如果您认为这是一个过度拟合，您可能会降低决策树的深度。

这是一个回归问题，而不是分类问题这一点是正确的。但由于这是一个回归问题，与“拥有尽可能多的类作为样本”无关。您应该使用

randomfrestreservator

进行回归。您需要调整参数，例如

max_depth

，以避免过度拟合。啊，太棒了！真不敢相信我是无意中使用了分类器。使用RandomForestRegressionor并将“最大深度”设置为5，可以提供一个合理的外观模型。谢谢你的帮助！