zoukankan      html  css  js  c++  java
  • H2O中的随机森林算法介绍及其项目实战(python实现)

    H2O中的随机森林算法介绍及其项目实战(python实现)

    包的引入:from h2o.estimators.random_forest import H2ORandomForestEstimator

    H2ORandomForestEstimator 的常用方法和参数介绍:

    (一)建模方法:

    model =H2ORandomForestEstimator(ntrees=n,max_depth =m)

    model.train(x=random_pv.names,y='Catrgory',training_frame=trainData)

    通过trainData来构建随机森林模型,model.train中的trainData训练集预测变量名称预测 响应变量的名称

    (二)预测方法:

    pre_tag=H2ORandomForestEstimator.predict(model ,test_data) 利用训练好的模型来对测试集进行预测,其中的model训练好的模型, test_data:测试集

    (三)算法参数说明:

    (1)ntrees:构建模型时要生成的树的棵树。

    (2)max_depth :每棵树的最大深度。

    项目要求:

    题目一: 利用train.csv中的数据,通过H2O框架中的随机森林算法构建分类模型,然后利用模型对 test.csv中的数据进行预测,并计算分类的准确度进而评价模型的分类效果;通过调节参 数,观察分类准确度的变化情况。 注:准确度=预测正确的数占样本数的比例

    题目二: 通过H2o Flow 的随机森林算法,用同题目一中所用同样的训练数据和参数,构建模型; 参看模型中特征的重要性程度,从中选取前8个特征,再去训练模型,并重新预测结果, 进而计算分类的准确度。

    需求完成内容:2个题目的代码,认为最好的准确度的输出值和test数据与预测结果合并 后的数据集,命名为predict.csv

    原文参见:https://www.cnblogs.com/yjd_hycf_space/p/7110628.html

  • 相关阅读:
    信息化与信息系统4
    信息化与信息系统3
    信息化与信息系统2
    信息化与信息系统1
    ASP.NET Core教程:ASP.NET Core 程序部署到Windows系统
    C#几种单例模式
    SQL查询优化
    动态类型dynamic(ExpandoObject)
    PV(访问量)、UV(独立访客)、IP(独立IP)
    Spring Boot 2.配置
  • 原文地址:https://www.cnblogs.com/Allen-rg/p/10968400.html
Copyright © 2011-2022 走看看