scikit learn random forest 给出了相对不好的预测答案

【问题标题】：scikit learn random forest gives relative bad predictionscikit learn random forest 给出了相对不好的预测
【发布时间】：2015-10-23 13:05:54
【问题描述】：

我正在使用 scikit-learn 使用随机森林和随机树分类器来预测证券交易所方向。我的特征是像简单移动平均线这样的指标。我的问题是，对于具有默认参数的两种算法，我都得到了相对糟糕的预测（大约 50%）。我怎样才能提高这种准确性？代码如下：

    X = data_from_csv[['RSI', 'CCI', '5SMA', '10SMA', 'ROC', 'Momentum',  '%K', '%D']].astype(np.float32)
    y = data_from_csv['Direction1'].astype(np.float32)

    X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2)
    rf = RandomForestClassifier()
    rf.fit(X_train,y_train)
    y_pred = rf.predict(X_test)

    print metrics.accuracy_score(y_test, y_pred), 'train/test split random forest'

    X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2)
    rt = tree.DecisionTreeClassifier()
    rt.fit(X_train,y_train)
    y_pred = rt.predict(X_test)

    print metrics.accuracy_score(y_test, y_pred), 'train/test split decision tree'

【问题讨论】：

不要使用默认参数，调整它们...... ML不是算法，你不能“只是运行”算法并期望它解决问题。
我已经尝试从像 n_estimators 中设置参数以获取 10-200 范围内的值，但没有帮助
10 折交叉验证也是，但结果没有改善
提供一个最小可复现的例子（数据），否则没人能帮忙

标签： python-2.7 machine-learning scikit-learn

【解决方案1】：

最可能的情况是您的训练数据没有很好的预测价值。鉴于您正在尝试“预测股票交易方向”，这不足为奇，因为这个问题几乎无法解决。

【讨论】：