随机森林 - 使用更少的估计器进行预测答案

【问题标题】：Random Forest - Predict using less estimators随机森林 - 使用更少的估计器进行预测
【发布时间】：2013-03-29 23:49:55
【问题描述】：

我已经使用 scikit learn (python) 训练了一个随机森林（在本例中为回归器）模型，并且我想根据使用的估计器的数量在验证集上绘制错误率。换句话说，有一种方法可以仅使用 RandomForestRegressor 中的一部分估算器进行预测？

使用 predict(X) 将根据每棵树结果的平均值为您提供预测。有没有办法限制树木的使用？或者最终，获取森林中每棵树的每一个输出？

【问题讨论】：

标签： python limit scikit-learn prediction random-forest

【解决方案1】：

多亏了 cohoz，我才知道该怎么做。我写了几个 def，结果证明在测试集上绘制随机森林回归器的学习曲线时很方便。

## Error metric
import numpy as np
def rmse(train,test):
    return np.sqrt(np.mean(pow(test - train+,2)))

## Print test set error
## Input the RandomForestRegressor, test set feature and test set known values
def rfErrCurve(rf_model,test_X,test_y):
    p = []
    for i,tree in enumerate(rf_model.estimators_):
                p.insert(i,tree.predict(test_X))
                print rmse(np.mean(p,axis=0),test_y)

【讨论】：

【解决方案2】：

训练后，您可以通过随机森林对象的“estimators_”属性访问这些。

【讨论】：

谢谢伙计 - 我没有注意到它正在返回树木列表。