회귀 모델

Python에서의 모델 검증

Kasey Jones

Data Scientist

scikit-learn의 랜덤 포레스트

from sklearn.ensemble import RandomForestRegressor
from sklearn.ensemble import RandomForestClassifier

rfr = RandomForestRegressor(random_state=1111)
rfc = RandomForestClassifier(random_state=1111)

의사결정나무는 모든 포인트에서 시작해 분할 기준에 따라 위에서부터 나뉩니다. 각 데이터 포인트가 특성에 따라 나뭇가지 경로를 따라가는 것을 상상해 보세요.

랜덤 포레스트는 각 데이터 포인트에 대해 개별 의사결정나무의 예측을 평균내어 최종 예측을 만듭니다.

n_estimators: 포레스트의 트리 개수

max_depth: 트리의 최대 깊이

random_state: 난수 시드

from sklearn.ensemble import RandomForestRegressor
rfr = RandomForestRegressor(n_estimators=50, max_depth=10)

rfr = RandomForestRegressor(random_state=1111)
rfr.n_estimators = 50
rfr.max_depth = 10

각 열의 중요도를 출력합니다

for i, item in enumerate(rfr.feature_importances_):
    print("{0:s}: {1:.2f}".format(X.columns[i], item))

weight: 0.50
height: 0.39
left_handed: 0.72
union_preference: 0.05
eye_color: 0.03

Python에서의 모델 검증