本文介绍了在阿里云PAI平台上使用AutoML对随机森林模型进行自动调参的过程。通过数据上传、SQL操作、模型训练，展示了随机森林的工作原理和调参策略，包括Bootstrap取样、随机特征选择、进化优化算法等。最终，通过调整数据拆分比例、探索样本数、探索次数和收敛系数等参数，寻找最优模型并进行评估与保存。
在数据管理中，重新上传完整的白葡萄酒数据。然后可以进入数据开发，写sql代码对数据表进行查询。比如统计训练样本和测试数据的大小。
打开建立好的葡萄酒质量多分类模型
看看分类评结果。正确率83.55%
开始自动调参
在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 “Random Forests” 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林&
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
