学习随机森林并与连续特征相匹配
学习随机森林并与连续特征相匹配
提问于 2016-10-19 02:59:11
有人知道python如何学习随机森林实现如何在拟合过程中处理连续变量吗？我很想知道它是否进行了任何类型的绑定(如果是的话，它是如何进行绑定的)，还是连续变量只是作为一个范畴变量来处理呢？我希望这不是latter...thanks！而且，如果有人知道的话，我愿意使用一些R实现。
回答 1
Data Science用户
回答已采纳
发布于 2016-10-19 10:54:48
要了解随机林如何处理连续数据，必须了解随机林是如何工作的。在随机森林算法的基础上，建立了一种树结构。sklearn中的默认方法是根据基尼系数(参见滑雪文献)分割一棵树。这种树算法被称为购物车树。您可以将criterion更改为entropy，以选择ID3和C4.5树。在不深入数学的情况下，树算法将寻求根据导致最低基尼系数的截止值来分割树。
随机森林算法将在你的数据上建立大量的深树，并对所有经过训练的树进行平均处理，给出最终的预测结果。
根据您在数据大小和并行化的必要性方面的需求，我可以强烈推荐H2O。它是一个开源的机器学习软件套件，带有Python和R中的API，它们的随机森林实现非常快，并导致模型具有更高的AUC (请参阅此页以获得不同ML库之间的良好比较)。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/14624
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号