Como criar um modelo de aprendizagem supervisionado com floresta aleatória para análises preditivas - manequins

O modelo de floresta aleatória é um modelo de conjunto que pode ser usado em análises preditivas; É preciso um conjunto (seleção) de árvores de decisão para criar seu modelo. A idéia é levar uma amostra aleatória de aprendizes fracos (um subconjunto aleatório dos dados de treinamento) e fazê-los votar para selecionar o modelo mais forte e melhor. O modelo de floresta aleatória pode ser usado para classificação ou regressão. No exemplo a seguir, o modelo de floresta aleatória é usado para classificar a espécie Iris.

Carregando seus dados

Esta lista de códigos irá carregar o conjunto de dados iris em sua sessão: >>>> da sklearn. datasets import load_iris >>>> iris = load_iris ()

Criando uma instância do classificador

As duas linhas de código a seguir criam uma instância do classificador. A primeira linha importa a biblioteca da floresta aleatória. A segunda linha cria uma instância do algoritmo da floresta aleatória:

>>>> da sklearn. importação de conjunto RandomForestClassifier >>>> rf = RandomForestClassifier (n_estimators = 15,

random_state = 111)

O parâmetro

n_estimators

no construtor é um parâmetro de ajuste de uso comum para o modelo de floresta aleatória. O valor é usado para construir o número de árvores na floresta. Geralmente é entre 10 e 100 por cento do conjunto de dados, mas depende dos dados que você está usando. Aqui, o valor é definido em 15, que é 10 por cento dos dados. Mais tarde, você verá que alterar o valor do parâmetro para 150 (100 por cento) produz os mesmos resultados.

O n _estimators é usado para ajustar o desempenho do modelo e a sobreposição. Quanto maior o valor, melhor o desempenho, mas ao custo da superposição. Quanto menor o valor, maiores as chances de não superação, mas ao custo de um menor desempenho. Além disso, há um ponto em que o aumento do número geralmente se degradará na melhoria da precisão e pode aumentar drasticamente o poder computacional necessário. O parâmetro padrão é 10 se for omitido no construtor.

Execução dos dados de treinamento

Você precisará dividir o conjunto de dados em conjuntos de treinamento e teste antes de criar uma instância do classificador de floresta aleatória. O código a seguir executará essa tarefa: >>>> de sklearn importar cross_validation >>>> X_train, X_test, y_train, y_test = cross_validation. Train_test_split (íris. data, iris. target, test_size = 0. 10, random_state = 111) >>>> rf = rf. caber (X_train, y_train)

A linha 1 importa a biblioteca que permite dividir o conjunto de dados em duas partes.

A Linha 2 chama a função da biblioteca que divide o conjunto de dados em duas partes e atribui os conjuntos de dados agora divididos a dois pares de variáveis.

A linha 3 leva a instância do classificador de floresta aleatória que você acabou de criar e, em seguida, chama o método de ajuste para treinar o modelo com o conjunto de dados de treinamento.

Execução dos dados de teste

No código a seguir, a primeira linha alimenta o conjunto de dados de teste para o modelo, então a terceira linha exibe a saída: >>>> predito = rf. prever (X_test) >>>> matriz predita

([0, 0, 2, 2, 2, 0, 0, 2, 2, 1, 2, 0, 1, 2, 2]) > Avaliando o modelo

Você pode fazer uma referência cruzada da saída da predição contra a matriz

• y_test
• . Como resultado, você pode ver que previu dois pontos de dados de teste incorretamente. Assim, a precisão do modelo de floresta aleatória foi de 86. 67 por cento.
• Aqui está o código: >>>> da lista de importações de sklearn >>>> tabela predita

([0, 0, 2, 2, 2, 0, 0, 2, 2, 1, 2, 0, 1, 2, 2]) >>>> matriz y_test

(0, 0, 2, 2, 1, 0, 0, 2, 2, 1, 2, 0, 2, 2, 2]) >>>> métricas. accuracy_score (y_test, predito)

0. 8666666666666667 # 1. 0 é 100% de precisão >>>> predito == y_test

matriz ([Verdadeiro, Verdadeiro, Verdadeiro, Verdadeiro, Falso, Verdadeiro, Verdadeiro,

Verdadeiro, Verdadeiro, Verdadeiro, Verdadeiro, Verdadeiro, Falso, Verdadeiro,

Verdadeiro], dtype = bool)

Como o modelo de floresta aleatória é executado se você altera o parâmetro n_estimators para 150? Parece que não vai fazer a diferença para este pequeno conjunto de dados. Produz o mesmo resultado: >>>> rf = RandomForestClassifier (n_estimators = 150, random_state = 111) >>>> rf = rf. caber (X_train, y_train) >>>> predito = rf. prever (X_test) >>>> matriz predita

([0, 0, 2, 2, 2, 0, 0, 2, 2, 1, 2, 0, 1, 2, 2]) >