作者thomasflee (Thomas)
看板DataScience
標題[問題] 隨機森林模型問題請益
時間Sun Jun 28 13:46:48 2020
各位大大好
小弟是自學的新手，今天研究python sklearn的隨機森林時，使用jupyter 練習iris的資
料範例，但產生以下的疑問，想請教板上大大的指點：
1. 隨機森林模型accuracy的選擇：
隨機森林因為抽樣的關係，每次跑出的accuracy數值都會不相同(ex., 0.91, 0.95, 0.9
8)，一般都是選擇數值最高時產生的模型嗎?
2. 承第1點，訓練好的模型如何存取?
當我有新的資料進來時，我必須每次jupyter重跑一次所有程序(建立模型clf)，最後將新
樣本帶入clf跑出預測嗎?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.238.59.57 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1593323210.A.3A1.html
1F：推 sxy67230: 1. 你可以選擇最好的模型或是把所有隨機抽樣訓練的模 06/28 16:50
2F：→ sxy67230: 型做ensemble 06/28 16:50
3F：→ sxy67230: 2.用joblib或是pickle freeze整個模塊參數做保存，一般 06/28 16:50
4F：→ sxy67230: 而已joblib的performance比較好 06/28 16:50
5F：→ thomasflee: 感謝大大的指點 06/28 16:53
6F：→ Pieteacher: control random state 06/28 18:31
8F：→ seasa2016: 請教s大，joblib或是pickle 應該都只是存參數的方法吧 06/29 18:07
9F：→ seasa2016: 。如果參數一樣的話為什麼他的結果會有差啊 06/29 18:07
10F：推 sxy67230: joblib有針對numpy array做數據緩存跟壓縮的優化，儲存 06/29 19:07
11F：→ sxy67230: 方式不太一樣，pickle是把整個類對象序列化後保存，在 06/29 19:07
12F：→ sxy67230: 讀取跟儲存上loading會比較久，而且如果緩存序列太大會 06/29 19:07
13F：→ sxy67230: 有memory error的問題，相反joblib則有對此優化。如果你 06/29 19:07
14F：→ sxy67230: 是要用joblib存，pickle讀基本上數據儲存方法不同是沒 06/29 19:08
15F：→ sxy67230: 辦法這樣做的，不曉得有沒有get到你的問題 06/29 19:08
16F：→ seasa2016: 瞭解，感謝您的回答 06/29 20:09
17F：→ loser113: 1.test分數高 2.roc去選 3.看你分類需求 06/30 17:47
18F：推 aidansky0989: 檢查一下你的rf，應該是過擬合 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預測的y_pred比對label來判斷 06/30 21:57
22F：→ aidansky0989: 你的模型表現好不好，rf非常容易過擬合，需要做好預 06/30 21:57
23F：→ aidansky0989: 剪枝，這點sklearn可以設置 06/30 21:57