谁能解释scikit learning中RandomForestClassifier和ExtraTreesClassifier之间的区别。我花了很多时间阅读本文：
P. Geurts，D.Ernst。和L.Wehenkel，“极随机树”，Machine Learning，63（1），3-42，2006年
看来这些是ET的区别：
1）在拆分时选择变量时，将从整个训练集中抽取样本，而不是从训练集中的引导样本中抽取样本。
2）每次从样本中的值范围中完全随机选择分割。
这两件事的结果是更多的“叶子”。
是的，两个结论都是正确的，尽管scikit-learn中的Random Forest实现使启用或禁用引导程序重采样成为可能。
实际上，RF通常比ET更紧凑。从计算的角度来看，ET通常较便宜，但会变得更大。ET有时可以比RF更好地进行泛化，但是如果不先尝试（和进行调优n_estimators，max_features并min_samples_split通过交叉验证的网格搜索），很难猜测是什么情况。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句