-5

我正在尝试检查受 n_estimators 影响的随机森林回归器性能。

seed = np.random.seed(1962)
rng = np.random.RandomState(1962)

np.random.seed(1962)

estimators = [pow(2,3),10,pow(2,4),pow(2,5),pow(2,6),pow(2,7),pow(2,8),500,pow(2,9),pow(2,10),pow(2,11)]
#oob_train = {}
train_acc = {}
test_acc = {}
for w in range(0,len(estimators),1):
    modelrfe = RandomForestRegressor(n_estimators = estimators[w],random_state=rng, n_jobs = -1)
    model_params = estimators[w]
    modelrfe.fit(train_x1,train_y1)
    train_acc[model_params] = mean_absolute_error(scale_data.inverse_transform(train_y1.reshape(-1,1)),scale_data.inverse_transform(modelrfe.predict(train_x1).reshape(-1,1)))
    test_acc[model_params] = mean_absolute_error(scale_data.inverse_transform(test_y1.reshape(-1,1)),scale_data.inverse_transform(modelrfe.predict(test_x1).reshape(-1,1)))



train_acc = pd.DataFrame(train_acc.items())
train_acc.columns = ['keys','Trainerror']
test_acc = pd.DataFrame(test_acc.items())
test_acc.columns = ['keys','Testerror']
error_df3 = pd.merge(train_acc, test_acc, on='keys')
error_df3 = pd.DataFrame(error_df3)

这是不可重现的，我一开始也定义了 rng 。

注意：想象一个用于 1 的 For 循环：nrow(dataframe) 每个 1 它通过多个模型，并且我在 For 循环的开头定义了 rng 和 Seed 。

帮帮我！.

2 个样本输出，这应该是理想的。这里的键是指n_estimators

[在此处输入图像描述][模拟 1] [在此处输入图像描述][模拟 2]

4

1 回答 1

0

请找到答案：

错误：我使用的是rng = A Randomstate Instance [ np.random.RandomState(1962)]

理想情况下，我应该在 random_state 变量中将种子值作为 int 提及。

即rng = 1962 播种随机实例。

然后我们应该继续使用模型中的 random_state 变量来实现可重复性。

于 2017-11-27T12:02:44.777 回答