随机森林调参示例

前言：特意写在前面，在调参的过程中，一定不要一次调整多个参数，理论是是可以，但那样不仅耗时，而且不好细微的调参，我就以我用随机森林的例子为例，我一次性调整了4个参数，大概花费了我差不多4个小时的时间，所以我自己的经验就是参数最好一个一个调整，当然如果你的机器性能很好，完全可以忽略这点。

其次，在调参的过程中，除了使用常见的格点搜索，利用验证曲线validation_curve来形象化的展示每个结果的好坏，这样 便于你细调。

---

随森林参数记录

• 1、先用默认参数看预测结果
• 2、然后用gridsearchcv探索n_estimators的最佳值
• 3、然后确定n_estimators,据此再搜索另外两个参数：再对内部节点再划分所需最小样本数min_samples_split和叶子节点最少样本数min_samples_leaf一起调参 
  param_test3= {‘min_samples_split’:range(80,150,20), ‘min_samples_leaf’:range(10,60,10)}
• 4、最后我们再对最大特征数max_features做调参: param_test4= {‘max_features’:range(3,11,2)}
• 5、最后用得到的参数再次带入模型，得到结果。