12、机器学习中的随机森林算法与参数调优

机器学习中的随机森林算法与参数调优

1. 常见模型参数

在机器学习中，有许多参数会影响模型的性能。以下是一些常见的参数及其含义：
- quantile ：用于指定分位数回归。需与 quantile_alpha 配合使用，默认值 0.5 表示中位数，可设置为 0.0 到 1.0 之间的任意值。
- 输出控制参数 ：
- max_hit_ratio_k ：在命中率报告中要报告的最大预测数（仅适用于多项式分类），设置为 0 可禁用。
- max_confusion_matrix_size ：在日志中打印混淆矩阵时使用的最大类别数。
- export_weights_and_biases ：设置为 true 可保存深度学习模型的权重和偏差，之后可通过 h2o.weights() 和 h2o.biases() 获取。
- variable_importances ：默认关闭，设置为 true 可计算并返回输入变量的相对重要性，但可能会减慢深度学习速度。
- diagnostics ：启用隐藏层的诊断功能。
- compute_p_values ：仅在使用 IRLSM 求解器且无正则化时可用，用于请求线性模