作者thomasflee (Thomas)
看板DataScience
标题[问题] 随机森林模型问题请益
时间Sun Jun 28 13:46:48 2020
各位大大好
小弟是自学的新手，今天研究python sklearn的随机森林时，使用jupyter 练习iris的资
料范例，但产生以下的疑问，想请教板上大大的指点：
1. 随机森林模型accuracy的选择：
随机森林因为抽样的关系，每次跑出的accuracy数值都会不相同(ex., 0.91, 0.95, 0.9
8)，一般都是选择数值最高时产生的模型吗?
2. 承第1点，训练好的模型如何存取?
当我有新的资料进来时，我必须每次jupyter重跑一次所有程序(建立模型clf)，最後将新
样本带入clf跑出预测吗?
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.238.59.57 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1593323210.A.3A1.html
1F：推 sxy67230: 1. 你可以选择最好的模型或是把所有随机抽样训练的模 06/28 16:50
2F：→ sxy67230: 型做ensemble 06/28 16:50
3F：→ sxy67230: 2.用joblib或是pickle freeze整个模块参数做保存，一般 06/28 16:50
4F：→ sxy67230: 而已joblib的performance比较好 06/28 16:50
5F：→ thomasflee: 感谢大大的指点 06/28 16:53
6F：→ Pieteacher: control random state 06/28 18:31
8F：→ seasa2016: 请教s大，joblib或是pickle 应该都只是存参数的方法吧 06/29 18:07
9F：→ seasa2016: 。如果参数一样的话为什麽他的结果会有差啊 06/29 18:07
10F：推 sxy67230: joblib有针对numpy array做数据缓存跟压缩的优化，储存 06/29 19:07
11F：→ sxy67230: 方式不太一样，pickle是把整个类对象序列化後保存，在 06/29 19:07
12F：→ sxy67230: 读取跟储存上loading会比较久，而且如果缓存序列太大会 06/29 19:07
13F：→ sxy67230: 有memory error的问题，相反joblib则有对此优化。如果你 06/29 19:07
14F：→ sxy67230: 是要用joblib存，pickle读基本上数据储存方法不同是没 06/29 19:08
15F：→ sxy67230: 办法这样做的，不晓得有没有get到你的问题 06/29 19:08
16F：→ seasa2016: 了解，感谢您的回答 06/29 20:09
17F：→ loser113: 1.test分数高 2.roc去选 3.看你分类需求 06/30 17:47
18F：推 aidansky0989: 检查一下你的rf，应该是过拟合 06/30 21:48
19F：→ aidansky0989: 通常是randomsearchcv找出best_est（最佳模型）.pre 06/30 21:51
20F：→ aidansky0989: dict一下代入特徵 06/30 21:51
21F：推 aidansky0989: 精度召回率都是用模型预测的y_pred比对label来判断 06/30 21:57
22F：→ aidansky0989: 你的模型表现好不好，rf非常容易过拟合，需要做好预 06/30 21:57
23F：→ aidansky0989: 剪枝，这点sklearn可以设置 06/30 21:57