我想更改用于我的随机林分类器的一半树的拆分器参数。 然而,如果我不训练(适应)他们,估计是不可访问的。 例如,我想要的是如下所示:
rfc = RandomForestClassifier()
for tree in rfc.estimators_:
if np.random.rand() <= 0.5:
tree.splitter = 'random'
有什么可能的方法来实现这一点吗? (‘this’是指‘使一半的树估计量具有拆分器参数‘random’,而不是其默认的‘best’)
编辑: 经过一番搜索,在评论的帮助下,我尝试定义一个未经训练的随机林(或任何树集合),并做了以下工作。你知道吗
rfc_etc_merge = RandomForestClassifier()
rfc_etc_merge.estimators_ = rfc.estimators_ + etc.estimators_
rfc_etc_merge.n_classes_ = rfc.n_classes_
rfc_etc_merge.n_outputs_ = rfc.n_outputs_
rfc_etc_merge.classes_ = rfc.classes_
它似乎工作良好,没有任何错误(预测或概率预测),但这种方法实际上是无错误的?你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐