[英]How to improve accuracy of random forest multiclass classification model?
我正在研究多类分类,根据客户的购买行为和人口统计将客户分为 3 个不同的类。 我不能完全公开数据集,但总的来说它包含大约 300 个特征和 50000 行。 我尝试了以下方法,但无法达到 50% 以上的准确度:
还有什么我可以尝试提高我的准确度的吗(准确度是指 f-score、precision 和 recall )。
任何帮助将不胜感激。
尝试调整以下参数
这是在进行最大投票或预测平均值之前要构建的树的数量。 树的数量越多,性能越好,但会使代码变慢。 您应该选择处理器可以处理的尽可能高的值,因为这会使您的预测更强大、更稳定。 由于您的数据量较大,因此每次迭代需要更多时间,但请尝试这样做。
这些是随机森林允许在单个树中尝试的最大特征数。 Python 中有多个选项可用于分配最大功能。 其中很少有:
Auto/None :这将简单地采用所有有意义的功能
在每棵树中。这里我们只是不对单个树设置任何限制。
sqrt :此选项将对单个运行中的特征总数取平方根。 例如,如果变量总数为 100,我们只能在单个树中取 10 个。“log2”是 max_features 的另一种类似选项。
0.2 :此选项允许随机森林在单个运行中采用 20% 的变量。 我们可以以“0.x”格式分配和赋值,其中我们希望考虑 x% 的特征。
叶子是决策树的末端节点。 较小的叶子使模型更容易捕获训练数据中的噪声。 你可以从一些最小值开始,比如 75,然后逐渐增加它。 看看你的准确度哪个值高。
您的培训情况如何? 我假设您的 acc 是您的验证。 如果您的训练 acc 过高,则可能是正常的过度拟合。 随机森林通常可以很好地处理过拟合。
您可以尝试对数据进行 PCA,然后尝试对其进行分类。 这为您提供了占数据中大部分变化的特征,因此如果您无法对原始数据进行分类(并且它也减少了您的特征),那么尝试是一个好主意。
旁注:请记住,SVM 的拟合在点数上是二次的,因此将您的数据减少到 10-20000 左右以调整参数,然后使用子集的最佳参数在完整数据集上拟合 SVM,也可能加快进程。 还要记住考虑为 SVM 尝试不同的内核。
尝试首先使用 PCA 或随机森林进行特征选择,然后拟合链式分类器,首先进行 oneversesall,然后是随机森林或决策树。 你应该得到一个稍微好一点的准确度。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.