Regresní modely

Validace modelů v Pythonu

Kasey Jones

Data Scientist

Náhodné lesy v scikit-learn

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

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

Rozhodovací stromy začínají všemi body a větví se shora podle různých rozdělení. Každý datový bod sleduje větve stromu na základě vlastností dat.

Po dokončení náhodného lesa se výsledky jednotlivých rozhodovacích stromů pro každý datový bod zprůměrují a získá se výsledná predikce.

n_estimators: počet stromů v lese

max_depth: maximální hloubka stromů

random_state: náhodný seed

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

Výpis důležitosti jednotlivých sloupců pro model

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

Validace modelů v Pythonu