除了组合预测之外,是否还有一种方法可以从随机森林中的每棵树中获得预测?我想输出列表中的所有预测,而不是查看整个树。我知道我可以使用apply方法获得叶索引,但我不确定如何使用它从叶中获得值
编辑:以下是我从下面的评论中得到的信息。我之前不清楚是否可以调用estimators_uu属性中的树,但似乎可以使用该属性对每棵树使用预测方法。这是最好的方法吗
numberTrees = 100
clf = RandomForestRegressor(n_estimators=numberTrees)
clf.fit(X,Y)
for tree in range(numberTrees):
print(clf.estimators_[tree].predict(val.irow(1)))
我也有同样的问题,我不知道你是如何通过使用
print(clf.estimators_[tree].predict(val.irow(1)))
得到正确答案的。它给了我随机数,而不是实际的类。在阅读了SKlearn中的源代码之后,我意识到我们实际上必须在代码中使用predict_proba()
而不是predict,并且它提供了树根据clf.classes_
中的顺序预测的类。例如:您还可以在数据上使用cls.predict_proba(),它通过树的累积为您提供了每个类的预测概率,并使您从亲自浏览每个树的痛苦中解脱出来:
我最近做的是修改sklearn源代码以获得它。内部学习包 sklearn.ensemble.Randomforestregressor
有一个功能,如果您添加打印,您将看到每个树的单独结果。您可以将其更改为返回,并获得每个树的单独结果
这有点复杂,因为您必须修改sklearn源代码
我很确定你所拥有的是你能做的最好的。正如您所指出的,
predict()
返回整个RF的预测,但不返回其组件树的预测。它可以返回一个矩阵,但这仅适用于同时学习多个目标的情况。在这种情况下,它会为每个目标返回一个预测,而不会为每个树返回预测。您可以使用predict.all = True
在R的随机林中获得单个树的预测,但是sklearn没有。如果您尝试使用apply()
,您将得到一个叶索引矩阵,然后您仍然需要在树上迭代,以找出该树/叶组合的预测结果。所以我认为你所拥有的是最好的相关问题 更多 >
编程相关推荐