2024-06-09 01:16:12 发布
网友
在scikit学习中,如果我从
RandomForestClassifer().estimators_
有没有办法可以手动更改某些功能?我可以使用
但在这种情况下,我想手动更改功能。我该怎么做?在
如果我正确地理解了您的问题,那么您想更改随机林中决策树的参数?我不太清楚你为什么要那样做。在
我将把解决方案分成两部分
首先,我们将尝试更改决策树的参数
from sklearn.tree import DecisionTreeClassifier from sklearn.datasets import load_iris clf = DecisionTreeClassifier(random_state=0) iris = load_iris() clf.fit(iris.data,iris.target) #DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None, # max_features=None, max_leaf_nodes=None, # min_impurity_decrease=0.0, min_impurity_split=None, # min_samples_leaf=1, min_samples_split=2, # min_weight_fraction_leaf=0.0, presort=False, random_state=0, # splitter='best') #Now extract the parameters parameters_dt = clf.get_params() #Now change the parameter you want parameters_dt['max_depth'] = 3 #Now create a new classifier new_clf = DecisionTreeClassifier(**parameters_dt) #DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=2, # max_features=None, max_leaf_nodes=None, # min_impurity_decrease=0.0, min_impurity_split=None, # min_samples_leaf=1, min_samples_split=2, # min_weight_fraction_leaf=0.0, presort=False, random_state=0, # splitter='best')
现在让我们回到随机森林
注意:这可能没有您想要的效果。我的意思是它可能不会得到你想要的确切的分类器。在
如果我正确地理解了您的问题,那么您想更改随机林中决策树的参数?我不太清楚你为什么要那样做。在
我将把解决方案分成两部分
首先,我们将尝试更改决策树的参数
现在让我们回到随机森林
^{pr2}$注意:这可能没有您想要的效果。我的意思是它可能不会得到你想要的确切的分类器。在
相关问题 更多 >
编程相关推荐