โมเดล Regression

การตรวจสอบความถูกต้องของโมเดลใน Python

Kasey Jones

Data Scientist

Random forests ใน scikit-learn

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

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

Decision tree เริ่มต้นด้วยข้อมูลทั้งหมด แล้วแตกแขนงจากบนลงล่างตามเงื่อนไขการแบ่งต่าง ๆ ลองนึกภาพการติดตามเส้นทางบนกิ่งก้านของต้นไม้สำหรับแต่ละจุดข้อมูล โดยอิงจากคุณลักษณะของข้อมูลนั้น

เมื่อ random forest สร้างเสร็จแล้ว จะนำผลลัพธ์ของ decision tree แต่ละต้นมาเฉลี่ยรวมกันสำหรับแต่ละจุดข้อมูล เพื่อให้ได้การทำนายขั้นสุดท้าย

พารามิเตอร์ของ random forest

n_estimators: จำนวนต้นไม้ใน forest

max_depth: ความลึกสูงสุดของต้นไม้

random_state: random 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

ความสำคัญของ feature

แสดงความสำคัญของแต่ละคอลัมน์ต่อโมเดล

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

มาเริ่มกันเลย

การตรวจสอบความถูกต้องของโมเดลใน Python