返回 导航

Python

hangge.com

Python - 机器学习算法库Scikit-Leran使用详解10（随机森林算法）

作者：hangge | 2022-09-26 08:45

十一、随机森林算法

1，基本介绍

（1）集成学习方法（Ensemble Method），或称集成学习算法。它并非一种机器学习算法，更像是一种模型优化方法。简单来说就是通过训练若干个个体弱学习器（weak learner），通过一定的结合策略，就可以最终形成一个强学习器（strong learner），以达到博采众长的目的。在各个著名机器学习竞赛中，选手使用最多的当属集成学习算法。当下深度学习大行其道，它也几乎能与深度学习平分秋色。
根据个体学习器生成方式的不同，目前集成学习的实现方式主要分为如下三种：
  • Bagging 算法为代表的并行式集成学习方法，其中最典型的应用当数“随机森林算法”
  • Boosting 算法为代表的串行式集成学习方法，其中应用频率较高的有两个 AdaBoost 算法和 XGBoost 算法
  • Stacking 分层模型集成学习算法

（2）随机森林（Random Forest，简称 RF）是集成学习中的一种典型的 Bagging 算法，它的基本单位是决策树模型。即使用随机的方式建立一个森林，这个森林由很多的决策树组成，并且每一棵决策树之间是相互独立的。当有一个新的输入样本进入森林时，就让森林中的每一棵决策树分别对其进行判断，看看这个样本应该属于哪一类（对于分类算法而言），然后使用少数服从多数的【投票法】，看看哪一类被选择最多，就预测该样本为哪一类。

（3）随机森林既可以处理属性为离散值的样本（即分类问题），也可以处理属性为连续值的样本（即回归问题），另外随机森林还可以应用于无监督学习的聚类问题，以及异常点检测。

2，使用样例

（1）下面我们以 sklearn 库中自带的随机森林算法解决鸢尾花的分类问题。
    在 Scikit-Learn 机器学习库中提供了 Bagging 和 Boosting 两种集成学习方法，除了本样例的随机森林算法外，还有如下几种其他算法：
  • RandomForestClassifier 类：使用随机森林（Random Forest）算法解决分类问题，随机森林可谓 Bagging 集成学习算法的典型代表，它选择以 CART 决策树算法作为弱学习器，是一种常用的机器学习算法。
  • RandomForestRegressor 类：使用随机森林算法解决回归问题
  • ExtraTreesClassifier 类：使用极端随机树（Extra Tree）算法解决分类问题，极端随机树算法可以看作随机森林算法的一种变种，主要原理非常类似，但在决策条件选择时采用了随机选择的策略。
  • ExtraTreesRegressor 类：使用极端随机树算法解决回归问题。
  • AdaBoostRegressor 类：使用 AdaBoost 算法解决分类问题，AdaBoost算法是最知名的Boosting算法之一。
  • AdaBoostRegressor 类：使用 AdaBoost 算法解决回归问题。
  • GradientBoostingClassifier 类：使用 Gradient Boosting 算法解决分类问题，Gradient Boosting 算法常常搭配 CART 决策树算法使用，这就是有名的梯度提升树（Gradient Boosting Decision Tree，GBDT）算法。
  • GradientBoostingRegressor 类：使用 Gradient Boosting 算法解决回归问题。
#导入 sklearn 提供的鸢尾花数据
from sklearn.datasets import load_iris
#导入 sklearn 提供的随机森林分类算法
from sklearn.ensemble import RandomForestClassifier
#导入skleran 提供的分割数据集的方法
from sklearn.model_selection import train_test_split
#导入pandas
import pandas as pd
    
#加载数据集
iris = load_iris()
#分割数据集训练集，测试集
x_train,x_test,y_train,y_test=train_test_split(iris['data'],iris['target'],random_state=0)
#创建随机森林分类起
#随机森林与决策树算法一样，其中有一个名为“criterion”的参数
#同样可以传入字符串“gini”或“entropy”，默认使用的是基尼指数
model = RandomForestClassifier()
#训练模型
model.fit(x_train,y_train)
#训练后用测试集对模型进行评分
print("模型评分：",model.score(x_test,y_test))
print('-----------------------------------------------------')
    
print('测试集前5条数据特征值：')
print(pd.DataFrame(x_test).head(5))
print('-----------------------------------------------------')
print('测试集前5条数据目标值：')
print(pd.DataFrame(y_test).head(5))
print('-----------------------------------------------------')
#使用模型预测
y_predict=model.predict(x_test)
print('使用模型预测测试集前5条数据的目标值：')
print(pd.DataFrame(y_predict).head(5))

（2）运行结果如下：
评论

全部评论（0）

回到顶部