sklearn.ensemble.RandomForestRegressor

class sklearn.ensemble.RandomForestRegressor(n_estimators=100, *, criterion='mse', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='auto', max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, bootstrap=True, oob_score=False, n_jobs=None, random_state=None, verbose=0, warm_start=False, ccp_alpha=0.0, max_samples=None)

[源码]

随机森林回归因子。

随机森林是一种元估计器,它在数据集的不同子样本上匹配多个分类决策树,并使用均值来提高预测精度和控制过拟合。如果bootstrap=True(默认),则使用max_samples参数控制子样本的大小,否则将使用整个数据集来构建每棵树。

用户指南中阅读更多内容。

参数 说明
n_estimators int, default=100
森林中树木的数量。
在版本0.22中更改:默认值n_estimators在0.22中从10更改为100。
criterion {“mse”, “mae”}, default=”mse”
该函数用来测量分割的质量。支持的准则为均方误差的“mse”,等于方差减少作为特征选择准则,支持的准则为平均绝对误差的“mae”。
版本0.18中的新功能:平均绝对误差(MAE)标准。
max_depth int, default=None
树的最大深度。如果为None,则将节点展开,直到所有叶子都是纯净的,或者直到所有叶子都包含少于min_samples_split个样本。
min_samples_split int or float, default=2
拆分内部节点所需的最少样本数:
- 如果为int,则认为min_samples_split是最小值。
- 如果为float,min_samples_split则为分数, 是每个拆分的最小样本数。
ceil(min_samples_split * n_samples)
在版本0.18中更改:添加了分数的浮点值。
min_samples_leaf int or float, default=1
在叶节点处需要的最小样本数。仅在任何深度的分裂点在min_samples_leaf左分支和右分支中的每个分支上至少留下训练样本时才会被考虑。同时,这种情况可能具有平滑模型的效果,尤其是在回归中。
- 如果为int,则认为min_samples_leaf是最小值。
- 如果为float,min_samples_leaf则为分数, 是每个节点的最小样本数。
ceil(min_samples_leaf * n_samples)
在版本0.18中更改:添加了分数的浮点值。
min_weight_fraction_leaf float, default=0.0
一个叶节点上所需的(所有输入样本的)总权重的最小加权分数。如果未提供sample_weight,则样本的权重相等。
max_features {“auto”, “sqrt”, “log2”}, int or float, default=”auto”
寻找最佳分割时要考虑的功能数量:
- 如果为int,则max_features在每个分割处考虑特征。
- 如果为float,max_features则为小数,并 在每次拆分时考虑要素。
- 如果为auto,则为max_features=sqrt(n_features)
- 如果是sqrt,则max_features=sqrt(n_features)
- 如果为log2,则为max_features=log2(n_features)
- 如果为None,则max_features=n_features
注意:直到找到至少一个有效的节点样本分区,分割的搜索才会停止,即使它需要有效检查多于max_features个数的要素也是如此。
max_leaf_nodes int, default=None
max_leaf_nodes以最好的方式进行“种树”。杂质的相对减少的节点被当作最佳节点。如果为None,则叶节点数不受限制。
min_impurity_decrease float, default=0.0
如果节点分裂会导致杂质的减少大于或等于该值,则该节点将被分裂。
加权减少杂质的方程式如下:
N_t / N * (impurity - N_t_R / N_t * right_impurity - N_t_L / N_t * left_impurity)
其中,N是样本总数,N_t是当前节点上N_t_L的样本数,是左子节点中的样本N_t_R数,是右子节点中的样本数。
NN_tN_t_R并且N_t_L都指的是加权和,如果sample_weight获得通过。
版本0.19中的新功能。
min_impurity_split float, default=None
树提升提前停止的阈值。如果节点的杂质高于阈值,则该节点将分裂,否则为叶。
- 从版本0.19min_impurity_split开始不推荐使用:在版本0.19中不再推荐使用 min_impurity_decrease。的默认值 min_impurity_split在0.23中从1e-7更改为0,并将在0.25中删除。使用min_impurity_decrease代替。
bootstrap bool, default=False
创建树时是否使用引导程序样本。如果为False,则将整个数据集用于构建每棵树。
oob_score bool, default=False
是否使用袋外样本估计泛化精度。
n_jobs int, default=None
要并行运行的作业的数量。fit, predict, decision_pathapply都在树中并行化。除非在一个joblib.parallel_backend的内容中,否则Nonejoblib中的表示是1。-1表示使用所有处理器。有关更多详细信息,请参见Glossary
random_state int, RandomState, default=None
控制3个随机性来源:
- 构建树木时使用的示例的引导程序(如果bootstrap=True)
- 在每个节点上寻找最佳分割时要考虑的特征采样(如果max_features < n_features)
- 绘制每个max_features的分割
有关更多详细信息,请参见Glossary
verbose int, default=0
在拟合和预测时控制冗余程度。
warm_start bool, default=False
当设置为True时,重用前面调用的解决方案来适应并向集成添加更多的评估器,否则,只会拟合完整的新森林。有关更多详细信息,请参见Glossary
ccp_alpha non-negative float, default=0.0
复杂度参数用于最小代价复杂度剪枝。将选择代价复杂度最大且小于ccp_alpha的子树。默认情况下,不执行修剪。
有关更多详细信息,请参见Minimal Cost-Complexity Pruning
0.22版中的新功能。
max_samples int or float, default=None
如果bootstrap为真,则需要从X中抽取样本来训练每个基估计量。
- 如果为None(默认),则绘制X.shape[0]样本。
- 如果为int,则绘制 max_samples 样本。
- 如果为float, 则绘制 max_samples * X.shape[0]样本。因此,max_samples应该在区间(0,1)内。
0.22版本新增功能
属性 说明
base_estimator_ DecisionTreeRegressor
子估计器模板,用于创建适合的子估计器的集合。
estimators_ list of DecisionTreeRegressor
拟合的次估计值的集合。
feature_importances_ ndarray of shape (n_features,)
基于杂质的特性重要性。
n_features_ int
执行fit时的特征数。
n_outputs_ int
执行fit时输出的数量。
oob_score_ float
使用袋外估计获得的训练数据集的得分。该属性仅在oob_scoreTrue时存在。
oob_prediction_ ndarray of shape (n_samples,)
用训练集的袋外估计进行预测。该属性仅在oob_score为真时存在。

另见

DecisionTreeRegressor, ExtraTreesRegressor

注意

控制树大小的参数的默认值(例如max_depth, min_samples_leaf等)会导致完全生长和未修剪的树,在某些数据集上可能会非常大。为了减少内存消耗,应该通过设置这些参数值来控制树的复杂性和大小。

在每次分割时,特性总是随机地进行分配。因此,即使训练数据相同,max_features=n_features, bootstrap=False,在搜索最佳分割的过程中,如果枚举的几个分割对准则的改进相同,那么找到的最佳分割也会有所不同。为了在拟合过程中获得确定性行为,必须修复random_state

默认值max_features="auto"使用的是n_features而不是n_features / 3。后者最初是在[1]中提出的,而前者最近在[2]中得到了经验证明。

参考文献

  1. Breiman, “Random Forests”, Machine Learning, 45(1), 5-32, 2001.

  2. P. Geurts, D. Ernst., and L. Wehenkel, “Extremely randomized trees”, Machine Learning, 63(1), 3-42, 2006.

实例

>>> from sklearn.ensemble import RandomForestRegressor
>>> from sklearn.datasets import make_regression
>>> X, y = make_regression(n_features=4, n_informative=2,
...                        random_state=0, shuffle=False)
>>> regr = RandomForestRegressor(max_depth=2, random_state=0)
>>> regr.fit(X, y)
RandomForestRegressor(...)
>>> print(regr.predict([[0000]]))
[-8.32987858]

方法

方法 说明
apply(X) 将森林中的树应用于X,返回叶子索引。
decision_path(X) 返回森林中的决策路径。
fit(X, y[, sample_weight]) 从训练集(X, y)构建一个树的森林。
get_params([deep]) 获取此估计器的参数。
predict(X) 为X预测回归目标。
score(X, y[, sample_weight]) 返回预测的决定系数R^2
set_params(**params) 设置此估算器的参数。
__init__(n_estimators=100, *, criterion='mse', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='auto', max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, bootstrap=True, oob_score=False, n_jobs=None, random_state=None, verbose=0, warm_start=False, ccp_alpha=0.0, max_samples=None)

[源码]

初始化的self。请参阅帮助(type(self))以获得准确的签名。

初始化self。有关准确的签名,请参见help(type(self))

apply(X)

[源码]

将森林中的树应用于X,返回叶子索引。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
输入样本。在内部,它的dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵,它将被转换为一个csr_matrix
返回值 说明
X_leaves ndarray of shape (n_samples, n_estimators)
对于X中的每个数据点x和森林中的每棵树,返回x最终所在的叶子的索引。
decision_path(X)

[源码]

返回森林中的决策路径。

版本0.18中的新功能。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
输入样本。在内部,它的dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵,它将被转换为一个csr_matrix
返回值 说明
indicator sparse matrix of shape (n_samples, n_nodes)
返回一个节点指示符矩阵,其中非零元素表示样本经过节点。矩阵为CSR格式。
n_nodes_ptr ndarray of shape (n_estimators + 1,)
列元素来自指示符[n_nodes_ptr[i]:n_nodes_ptr[i+1]]给出第i个估计器的指示值。
property feature_importances_

基于杂质的功能的重要性。

越高,功能越重要。特征的重要性计算为该特征带来的标准的(标准化)总缩减。这也被称为基尼重要性。

警告:基于杂质的特征重要性可能会误导高基数特征(许多唯一值)。另见 sklearn.inspection.permutation_importance

返回值 说明
feature_importances_ ndarray of shape (n_features,)
除非所有树都是仅由根节点组成的单节点树,否则此数组的值总计为1,在这种情况下,它将是零数组。
fit(X, y, sample_weight = None)

[源码]

根据训练集(X, y)建立树木森林。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
输入样本。在内部,它的dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵,它将被转换为一个csr_matrix
y array-like of shape (n_samples,) or (n_samples, n_outputs)
目标值(分类中的类标签,回归中的实数)。
sample_weight array-like of shape (n_samples,), default=None
样本权重。如果没有,那么样本的权重相等。当在每个节点中搜索分割时,将忽略创建具有净零权值或负权值的子节点的分割。在分类的情况下,如果分割会导致任何一个类在任一子节点中具有负权值,那么分割也将被忽略。
返回值 说明
self object
get_params(deep=True)

[源码]

获取此估计器的参数。

参数 说明
deep bool, default=True
如果为True,则将返回此估算器和作为估算器的所包含子对象的参数。
返回值 说明
params mapping of string to any
参数名称与其值相对应。
predict(X)

[源码]

预测X的分类。

输入样本的预测类是森林中树的投票,由它们的概率估计加权。也就是说,预测的类是树中概率估计均值最高的类。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
输入样本。在内部,它的dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵,它将被转换为一个csr_matrix
返回值 说明
y ndarray of shape (n_samples,) or (n_samples, n_outputs)
被预测的分类
score(X, y, sample_weight=None)

[源码]

返回预测的决定系数R^2。

决定系数R^2为(1 - u/v),其中u为((y_true - y_pred) ** 2).sum()的残差平方和,v为(y_true - y_true.mean()) ** 2).sum()的平方和。最好的可能的分数是1.0,它可能是负的(因为模型可以任意地更糟)。常数模型总是预测y的期望值,而不考虑输入特征,得到的R^2得分为0.0。

参数 说明
X array-like of shape (n_samples, n_features)
对于某些估计器,这可能是一个预先计算的内核矩阵或一列通用对象,而不是shape= (n_samples, n_samples_fitting),其中n_samples_fitting是用于拟合估计器的样本数量。
y array-like of shape (n_samples,) or (n_samples, n_outputs)
X的正确值。
sample_weight array-like of shape (n_samples,), default=None
样本权重。
返回值 说明
score float
self.predict(X) 关于y的准确率。

注意:

调用回归变器的score时使用的R2 score,与0.23版本的multioutput='uniform_average'中r2_score的默认值保持一致。这影响了所有多输出回归的score方法(除了MultiOutputRegressor)。

set_params(**params)

[源码]

设置该估计器的参数。

该方法适用于简单估计器和嵌套对象(如pipline)。后者具有形式为<component>_<parameter>的参数,这样就可以更新嵌套对象的每个组件。

参数 说明
**params dict
估计器参数
返回值 说明
self object
估计实例。