EL之RF(RFR)：利用RandomForestRegressor對(duì)回歸問題(實(shí)數(shù)值評(píng)分預(yù)測)建模(調(diào)2參)

?

目錄

輸出結(jié)果

設(shè)計(jì)思路

核心代碼

---

?

?

?

輸出結(jié)果

?

設(shè)計(jì)思路

?

核心代碼

mseOos = [] nTreeList = range(100, 1000, 100) #----▲☆▲☆▲ for iTrees in nTreeList: # depth = None # depth=6 #----▲▲▲▲▲depth=10 #----☆☆☆☆maxFeat = 4 #try tweakingwineRFModel = ensemble.RandomForestRegressor(n_estimators=iTrees, max_depth=depth, max_features=maxFeat,oob_score=False, random_state=531)wineRFModel.fit(xTrain,yTrain)prediction = wineRFModel.predict(xTest)mseOos.append(mean_squared_error(yTest, prediction))

?

?

?

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的EL之RF(RFR)：利用RandomForestRegressor对回归问题(实数值评分预测)建模(调2参)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。