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

    python实现代码如下:

    (1) 题目一:

    #手动进行调节参数得到最好的准确率
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import h2o
    h2o.init()
    from h2o.estimators.random_forest import H2ORandomForestEstimator
    from __future__ import division  
    df=h2o.import_file('train.csv')
    trainData=df[2:]
    
    model=H2ORandomForestEstimator(ntrees=6,max_depth =16)
    model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
    df2=h2o.import_file('test.csv')
    test_data=df2[2:]
    pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
    predict=df2.concat(pre_tag)
    dfnew=predict[predict['Catrgory']==predict['predict']]
    Precision=dfnew.nrow/predict.nrow
    
    print(Precision)
    h2o.download_csv(predict,'predict.csv')
    

    运行结果最好为87.0833%-6-16,如下

    #for循环进行调节参数得到最好的准确率
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import h2o
    h2o.init()
    from h2o.estimators.random_forest import H2ORandomForestEstimator
    from __future__ import division  
    df=h2o.import_file('train.csv')
    trainData=df[2:]
    df2=h2o.import_file('test.csv')
    test_data=df2[2:]
    Precision=0
    nt=0
    md=0
    for i in range(1,50):
            for j in range(1,50):
                model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
                model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
                pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
                predict=df2.concat(pre_tag)
                dfnew=predict[predict['Catrgory']==predict['predict']]
                p=dfnew.nrow/predict.nrow
                if Precision<p:
                    Precision=p
                    nt=i
                    md=j
    
    print(Precision)
    print(i)
    print(j)
    h2o.download_csv(predict,'predict.csv')
    

     运行结果最好为87.5%-49-49,如下

    (2)题目二:建模如下,之后挑出排名前8的特征进行再次建模

    #手动调节参数得到最大准确率
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import h2o
    h2o.init()
    from h2o.estimators.random_forest import H2ORandomForestEstimator
    from __future__ import division  
    df=h2o.import_file('train.csv')
    trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
    df2=h2o.import_file('test.csv')
    test_data=df2[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
    
    model=H2ORandomForestEstimator(ntrees=5,max_depth =18)
    model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
    
    pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
    predict=df2.concat(pre_tag)
    dfnew=predict[predict['Catrgory']==predict['predict']]
    Precision=dfnew.nrow/predict.nrow
    
    print(Precision)
    h2o.download_csv(predict,'predict.csv')
    

      运行结果最好为87.5%-5-18,如下

    #for循环调节参数得到最大正确率
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import h2o
    h2o.init()
    from h2o.estimators.random_forest import H2ORandomForestEstimator
    from __future__ import division  
    df=h2o.import_file('train.csv')
    trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
    df2=h2o.import_file('test.csv')
    test_data=df2[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
    Precision=0
    nt=0
    md=0
    for i in range(1,50):
            for j in range(1,50):
                model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
                model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
                pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
                predict=df2.concat(pre_tag)
                dfnew=predict[predict['Catrgory']==predict['predict']]
                p=dfnew.nrow/predict.nrow
                if Precision<p:
                    Precision=p
                    nt=i
                    md=j
    
    print(Precision)
    print(i)
    print(j)
    h2o.download_csv(predict,'predict.csv')
    

     运行结果最好为87.5%-49-49,如下 

  • 相关阅读:
    Android 重写系统Crash处理类,保存Crash信息到SD卡 和 完美退出程序的方法
    LeetCode第二十四题-交换链表中节点值
    LeetCode第二十三题-合并n个有序链表
    LeetCode第二十二题-创建n对括号
    LeetCode第二十一题-对两个有序链表排序
    LeetCode第二十题-有效的括号
    LeetCode第十九题-链表节点的删除
    LeetCode第十八题-四数之和
    LeetCode第十七题-电话号码的字母组合
    LeetCode第十六题-找出数组中三数之和最接近目标值的答案
  • 原文地址:https://www.cnblogs.com/yjd_hycf_space/p/7110628.html
Copyright © 2011-2022 走看看