解释 sklearn 随机森林的详细输出

【问题标题】：Interpreting verbose output from sklearn Random Forest解释 sklearn 随机森林的详细输出
【发布时间】：2021-09-03 19:38:47
【问题描述】：

只是想知道下面的输出消息是什么意思：

[Parallel(n_jobs=-2)]: Using backend ThreadingBackend with 11 concurrent workers.
[Parallel(n_jobs=-2)]: Done  28 tasks      | elapsed: 901.9min
[Parallel(n_jobs=-2)]: Done  50 out of  50 | elapsed: 1366.7min finished

这里的任务是什么？它是否引用每个单独的估计器，因此设置 n_estimators=100 创建 100 个任务？还是和别的东西有关？

【问题讨论】：

100 decision trees..
@p._phidot_ 谢谢！

标签： python-3.x scikit-learn random-forest

【解决方案1】：

#model 4 - Random Forest Classifier with tuned hyperparameters
seed=42
pipeline_rf = pipe_imb(steps=[ ("vect", text.TfidfVectorizer(lowercase=False, ngram_range=(1,2), smooth_idf=True, min_df=0.001, max_df = 0.5)),
                               ('sampler', SMOTE(random_state=seed, sampling_strategy='minority')),
                               ('clf', RandomForestClassifier(random_state=seed))])

params = {
    'clf__n_estimators'     : [300,500]}


kfold = StratifiedKFold(n_splits = 3, random_state = 42, shuffle=True)
gridSearch_rf = GridSearchCV(pipeline_rf, param_grid = params, n_jobs=-1, cv=kfold,  verbose=0))
gridSearch_rf.fit(X_train,y_train)
print('Best parameters:', gridSearch_rf.best_params_)
print('Best CV score  :', gridSearch_rf.best_score_)

您可以像这样在 GridSearchCV 中使用详细信息。如果您发送代码，我可以帮助您解决（：

【讨论】：

谢谢。设置网格搜索没有问题。