रैंडम फॉरेस्ट्स

Python में Finance के लिए Machine Learning

Nathan George

Data Science Professor

पॉलीनॉमियल फिट

लीनियर फिट

रैंडम फॉरेस्ट्स

रैंडम फॉरेस्ट graphviz

बूटस्ट्रैप एग्रीगेटिंग (बैगिंग)

बूटस्ट्रैपिंग

फीचर सैंपलिंग

रैंडम फॉरेस्ट्स

डिसीजन ट्रीज़ का कलेक्शन (एंसेंबल)
बूटस्ट्रैप एग्रीगेटिंग (बैगिंग)
हर स्प्लिट पर फीचर का सैंपल

sklearn इम्प्लीमेंटेशन

from sklearn.ensemble import RandomForestRegressor

random_forest = RandomForestRegressor()
random_forest.fit(train_features, train_targets)
print(random_forest.score(train_features, train_targets))

हाइपरपैरामीटर्स

random_forest = RandomForestRegressor(n_estimators=200,
                                      max_depth=5,
                                      max_features=4,
                                      random_state=42)

ParameterGrid

from sklearn.model_selection import ParameterGrid

grid = {'n_estimators': [200], 
        'max_depth':[3, 5], 
        'max_features': [4, 8]}


from pprint import pprint
pprint(list(ParameterGrid(grid)))

[{'max_depth': 3, 'max_features': 4, 'n_estimators': 200},
 {'max_depth': 3, 'max_features': 8, 'n_estimators': 200},
 {'max_depth': 5, 'max_features': 4, 'n_estimators': 200},
 {'max_depth': 5, 'max_features': 8, 'n_estimators': 200}]

ParameterGrid

test_scores = []
# loop through the parameter grid, set hyperparameters, save the scores
for g in ParameterGrid(grid):
    rfr.set_params(**g)  # ** is "unpacking" the dictionary
    rfr.fit(train_features, train_targets)
    test_scores.append(rfr.score(test_features, test_targets))

# find best hyperparameters from the test score and print
best_idx = np.argmax(test_scores)
print(test_scores[best_idx])
print(ParameterGrid(grid)[best_idx])

0.05594252725411142
{'max_depth': 5, 'max_features': 8, 'n_estimators': 200}

कुछ रैंडम फॉरेस्ट्स उगाएँ!

Python में Finance के लिए Machine Learning