在 weka 中优化随机森林参数？答案

【问题标题】：Optimize Random Forest parameters in weka?在 weka 中优化随机森林参数？
【发布时间】：2018-09-08 22:47:47
【问题描述】：

我正在尝试使用weka优化随机森林参数，java类如下：

package pkg10foldcrossvalidation;

import weka.core.*;
import weka.classifiers.meta.*;
import weka.classifiers.trees.RandomForest;
import java.io.*;
public class RF_Optimizer {



     public static void main(String[] args) throws Exception {
      // load data
      BufferedReader reader = new BufferedReader(new FileReader("C:\\Prediction Results on the testing set\\Dataset.arff"));
      Instances data = new Instances(reader);
      reader.close();
      data.setClassIndex(data.numAttributes() - 1);

      // setup classifier
      CVParameterSelection ps = new CVParameterSelection();
      ps.setClassifier(new RandomForest());
      ps.setNumFolds(10);  // using 10-fold CV
      ps.addCVParameter("C 0.1 0.5 5");

      // build and output best options
      ps.buildClassifier(data);
      System.out.println(Utils.joinOptions(ps.getBestClassifierOptions()));
   }

}

但是我很难理解哪些参数应该替换“C”以及如何确定每个参数的范围？多个参数同时使用.addCVParameter多次是否可行？

我试图搜索一些解释如何在 java 中更改随机森林参数的 youtube 或网站教程，但没有找到。

谢谢

【问题讨论】：

标签： java machine-learning parameters weka random-forest

【解决方案1】：

我认为您所描述的，-C 是交叉验证参数，而不是 RandomForest 参数。

您不能只使用资源管理器 GUI，打开一个示例数据集，例如 glass.arff，然后右键单击窗口顶部的粗体 RandomForest 字符串，然后从上下文菜单选择“将配置复制到剪贴板”，然后将该字符串粘贴到您的 java 代码中？

现在执行此操作后，我已将此字符串复制到剪贴板：

weka.classifiers.trees.RandomForest -P 100 -I 100 -num-slots 1 -K 0 -M 1.0 -V 0.001 -S 1

这些是 Weka 的 RandomForest 学习器的默认参数。这些参数是什么意思，哪一个最适合优化，使用哪个范围的值来优化我实在说不上来。很可能一个非常重要的参数是numIterations，即-I 参数。可能将其从 100、200、... 更改为 1000 并绘制 numIterations 与 Accuracy 的关系，并检查曲线是否已经平滑。

【讨论】：