随机森林调整-树的深度和树数
维什
我有一个关于调整随机森林分类器的基本问题。树木的数量和树木的深度之间有关系吗？树的深度是否必须小于树的数量？
阿什什·阿南德（Ashish anand）
我同意蒂姆的看法，树木数量和树木深度之间没有拇指的比例。通常，您需要尽可能多的树以改善模型。更多的树也意味着更多的计算成本，并且在经过一定数量的树之后，这种改进是微不足道的。如下图所示，经过一段时间后，即使我们没有增加树，错误率也没有明显改善。
树的深度表示您想要的树的长度。较大的树可以帮助您传达更多信息，而较小的树则可以提供较不精确的信息，因此深度应足够大以将每个节点拆分为所需的观测数量。
以下是Iris数据集的短树（叶节点= 3）和长树（叶节点= 6）的示例：与长树（叶节点= 6）相比，短树（叶节点= 3）给出的信息精度较低。
短树（叶节点= 3）：
长树（叶节点= 6）：
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
相关文章
Related 相关文章
- 1
用于回归的 Spark ML 随机森林和梯度提升树
- 2
OnevsrestClassifier和随机森林
- 3
OnevsrestClassifier和随机森林
- 4
Tidymodel包：R中的常规线性模型（glm）和决策树（袋装树，增强树和随机森林）模型
- 5
随机森林引导训练和森林生成
- 6
从随机森林分类器中提取树（预测变量）
- 7
随机森林中每棵树的平均绝对误差
- 8
具有分类输入的回归树或随机森林回归器
- 9
如何绘制与最佳参数相对应的随机森林树
- 10
获得随机森林中决策树的价值
- 11
具有分类输入的回归树或随机森林回归器
- 12
scikit中的弱学习者学习随机森林和多余的树分类器
- 13
具有一棵树的随机森林的性能要比单个决策树差？
- 14
有没有办法在 R 中获取随机森林中每棵树的拆分记录和属性？
- 15
为什么我的随机森林和决策树一直显示 100% 的准确率？
- 16
tuneRF vs插入符调整随机森林
- 17
在随机森林模型（Python，scikit-learn）中访问单个树的底层（tree_）对象
- 18
如何在Python scikit-learn中从随机森林中的每棵树输出回归预测？
- 19
是否可以使用基于模型的树（即partykit包中的`mob（）`）构建随机森林
- 20
Spark ML决策树分类器调用随机森林方法
- 21
可视化 h2o 随机森林模型树时键入错误
- 22
CNN和决策树/森林有什么区别
- 23
PySpark和MLLib：随机森林预测的类概率
- 24
写入和读取opencv3.0 ml文件（随机森林）
- 25
随机森林的模型和输入特征不匹配
- 26
为什么随机森林或决策树不能给出100％的精度？以及如何处理中间的巨大噪音？
- 27
调整Caret包中随机森林的两个参数
- 28
R：在随机森林中调整mtry时出错（回归）
- 29
junit-quickcheck-生成保持深度有限的随机树
我来说两句