如何在GridSearchCV(随机森林分类器Scikit)上获得最佳估计器

sapo_cosmico

我正在运行GridSearch CV以优化scikit中分类器的参数。完成后,我想知道哪些参数被选为最佳。

每当这样做时,我都会得到一个AttributeError: 'RandomForestClassifier' object has no attribute 'best_estimator_',并且无法说出原因,因为它似乎是文档上的合法属性

from sklearn.grid_search import GridSearchCV

X = data[usable_columns]
y = data[target]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

rfc = RandomForestClassifier(n_jobs=-1,max_features= 'sqrt' ,n_estimators=50, oob_score = True) 

param_grid = {
    'n_estimators': [200, 700],
    'max_features': ['auto', 'sqrt', 'log2']
}

CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5)

print '\n',CV_rfc.best_estimator_

产量:

`AttributeError: 'GridSearchCV' object has no attribute 'best_estimator_'
瑞安

您必须先对数据进行拟合,才能获得最佳的参数组合。

from sklearn.grid_search import GridSearchCV
from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
# Build a classification task using 3 informative features
X, y = make_classification(n_samples=1000,
                           n_features=10,
                           n_informative=3,
                           n_redundant=0,
                           n_repeated=0,
                           n_classes=2,
                           random_state=0,
                           shuffle=False)


rfc = RandomForestClassifier(n_jobs=-1,max_features= 'sqrt' ,n_estimators=50, oob_score = True) 

param_grid = { 
    'n_estimators': [200, 700],
    'max_features': ['auto', 'sqrt', 'log2']
}

CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5)
CV_rfc.fit(X, y)
print CV_rfc.best_params_

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。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

如何为随机森林分类器,Ada Boost分类器,Extra Trees分类器访问python scikit学习代码

来自分类Dev

如何在Scikit学习中将固定的验证集(而非K折交叉验证)用于决策树分类器/随机森林分类器?

来自分类Dev

训练随机森林分类器火花

来自分类Dev

如何在“随机森林分类器”中获取“ predict”预测的类的“ predict_proba”?

来自分类Dev

从随机森林分类器中提取树(预测变量)

来自分类Dev

随机森林分类器Matlab v / s Python

来自分类Dev

随机森林分类器Matlab v / s Python

来自分类Dev

我在随机森林分类器中遇到 Not Fitted 错误?

来自分类Dev

如何使用随机森林分类器确定用于预测类别的特征值的范围

来自分类Dev

ValueError:scikit的随机森林分类学习

来自分类Dev

为随机森林分类器运行任何BayesSearchCV函数时出错

来自分类Dev

随机森林分类器:预测概率的特征重要性

来自分类Dev

如何在Orange中为随机森林分类器使用样本权重?

来自分类Dev

随机森林分类器ValueError:输入包含NaN,无穷大或对于dtype('float32')而言太大的值

来自分类Dev

为什么改组训练数据会影响我的随机森林分类器的准确性?

来自分类Dev

随机森林分类-SciKit vs Weka具有100个特征的预测

来自分类Dev

scikit中的弱学习者学习随机森林和多余的树分类器

来自分类Dev

将mahout随机森林分类输出转换为可读

来自分类Dev

处理大数据以执行随机森林分类

来自分类Dev

如何在随机森林中获得相同的预测(概率和分类)

来自分类Dev

具有分类输入的回归树或随机森林回归器

来自分类Dev

具有分类输入的回归树或随机森林回归器

来自分类Dev

如何在Sklearn中重新拟合最佳分类器

来自分类Dev

如何在sklearn中重新拟合最佳分类器

来自分类Dev

如何在Sklearn Ensamble中查看adaboost分类器的每个基本估计量的预测

来自分类Dev

Scikit学习-如何使用SVM和随机森林进行文本分类?

来自分类Dev

参数不会传递给scikit-learn GridSearchCV中的自定义估计器

来自分类Dev

Scikit使用随机森林学习分类数据

来自分类Dev

Spark ML决策树分类器调用随机森林方法

Related 相关文章

  1. 1

    如何为随机森林分类器,Ada Boost分类器,Extra Trees分类器访问python scikit学习代码

  2. 2

    如何在Scikit学习中将固定的验证集(而非K折交叉验证)用于决策树分类器/随机森林分类器?

  3. 3

    训练随机森林分类器火花

  4. 4

    如何在“随机森林分类器”中获取“ predict”预测的类的“ predict_proba”?

  5. 5

    从随机森林分类器中提取树(预测变量)

  6. 6

    随机森林分类器Matlab v / s Python

  7. 7

    随机森林分类器Matlab v / s Python

  8. 8

    我在随机森林分类器中遇到 Not Fitted 错误?

  9. 9

    如何使用随机森林分类器确定用于预测类别的特征值的范围

  10. 10

    ValueError:scikit的随机森林分类学习

  11. 11

    为随机森林分类器运行任何BayesSearchCV函数时出错

  12. 12

    随机森林分类器:预测概率的特征重要性

  13. 13

    如何在Orange中为随机森林分类器使用样本权重?

  14. 14

    随机森林分类器ValueError:输入包含NaN,无穷大或对于dtype('float32')而言太大的值

  15. 15

    为什么改组训练数据会影响我的随机森林分类器的准确性?

  16. 16

    随机森林分类-SciKit vs Weka具有100个特征的预测

  17. 17

    scikit中的弱学习者学习随机森林和多余的树分类器

  18. 18

    将mahout随机森林分类输出转换为可读

  19. 19

    处理大数据以执行随机森林分类

  20. 20

    如何在随机森林中获得相同的预测(概率和分类)

  21. 21

    具有分类输入的回归树或随机森林回归器

  22. 22

    具有分类输入的回归树或随机森林回归器

  23. 23

    如何在Sklearn中重新拟合最佳分类器

  24. 24

    如何在sklearn中重新拟合最佳分类器

  25. 25

    如何在Sklearn Ensamble中查看adaboost分类器的每个基本估计量的预测

  26. 26

    Scikit学习-如何使用SVM和随机森林进行文本分类?

  27. 27

    参数不会传递给scikit-learn GridSearchCV中的自定义估计器

  28. 28

    Scikit使用随机森林学习分类数据

  29. 29

    Spark ML决策树分类器调用随机森林方法

热门标签

归档