如何取 n 次随机森林迭代的平均值？答案

【问题标题】：How to take the average of n random forest iterations?如何取 n 次随机森林迭代的平均值？
【发布时间】：2018-04-04 17:13:01
【问题描述】：

sklearn 中是否有一个参数可以调整以多次运行随机森林（或其他估计器）以消除运行之间的变化？最简单的方法是什么？

【问题讨论】：

标签： scikit-learn random-forest

【解决方案1】：

您不能只是简单地手动消除运行之间的差异。您可以做的是使用GridSearchCV 执行超参数调整（或者您也可以查看其他类似方法at this link。您还可以查看对您的数据集执行Cross-validation 以获得更好的估计器性能。您可以看看Sklearn for cross-validation中的方法。

还请提供更多有关您的问题的信息，例如您要解决的问题类型、数据集等，以便我们更好地为您提供帮助。

【讨论】：

【解决方案2】：

VotingClassifier 与软投票可能是您正在寻找的。一般来说，给定两组预测，你可以取预测的几何平均值来平滑它。

from scipy.stats.mstats import gmean
df = pd.DataFrame()
#prediction renamed in 1.csv,2.csv... for convenience

for i in range(1,4):
    data = pd.read_csv('{}.csv'.format(i),index_col='id')
    data = data.rename(columns={'proba':i})
    df = pd.concat([df,data],axis=1)

df['proba'] = gmean(df.iloc[:,1:4],axis=1)
output = pd.DataFrame(data={'id':df.index,'proba':df.proba})
output.to_csv('submissions.csv',index=False)

【讨论】：