randomforestregressor参数详解

RandomForestRegressor参数深度解析：优化模型精度与泛化能力

原创

已于 2022-09-14 11:33:36 修改 · 7.2k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#决策树 #机器学习 #人工智能

于 2022-07-29 10:45:03 首次发布

本文详细解读sklearn的RandomForestRegressor参数，包括n_estimators、criterion、max_depth等，帮助理解如何调整这些参数以提高回归预测的准确性和防止过拟合。

randomforestregressor参数详解：

sklearn.ensemble.RandomForestRegressor(  n_estimators=10,   #  数值型参数，默认值为100，此参数指定了弱分类器的个数。设置的值越大，精确度越好，但是当 n_estimators 大于特定值之后，带来的提升效果非常有限。
										 criterion='mse',   # 其中，参数criterion 是字符串类型，默认值为 ‘mse’，是衡量回归效果的指标。可选的还有‘mae’ 。
										 max_depth=None,    # 数值型，默认值None。这是与剪枝相关的参数，设置为None时，树的节点会一直分裂，直到：（1）每个叶子都是“纯”的；（2）或者叶子中包含于min_sanples_split个样本。推荐从 max_depth = 3 尝试增加，观察是否