random froest 调参

转载于 2019-04-26 15:19:00 发布 · 114 阅读

·

0

·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/jian-gao/p/10774446.html

本文探讨了使用网格搜索进行参数调优的方法，重点关注n_estimators、max_depth、min_samples_split、min_samples_leaf及max_features等关键参数的调整策略。

https://blog.youkuaiyun.com/wf592523813/article/details/86382037

https://blog.youkuaiyun.com/xiayto/article/details/80029044

n_estimators

最大深度max_depth和内部节点再划分所需最小样本数min_samples_split进行网格搜索。

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。

最后我们再对最大特征数max_features做调参:

转载于:https://www.cnblogs.com/jian-gao/p/10774446.html

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。