隨機森林圖像中決策樹的數量和總顏色

Question

我正在使用 sklearn RandomForestRegressor為圖像訓練隨機森林模型。 我知道通過增加模型的深度，決策樹會擴展並且可以包含更多顏色。

我不明白增加模型中樹的數量如何影響色塊的數量。 我的印象是樹的數量用於對值進行平均並消除偏差 - 所以我的印象是盒子的划分可能會改變但顏色的總數將保持不變（因為你仍然有相同的數字做出的決定）。 在運行 [1, 3, 5, 10, 100] 樹的模型時，我確實看到有 100 棵樹的模型通過框的陰影確實有更多的顏色塊。

有人會向我解釋為什么增加樹的數量似乎增加了色塊的數量？

Answer 1

它不會增加色塊的數量。

想象一下，如果您的森林中只有兩個色塊，黑色和白色，但有 50 棵樹。 如果 25/50 的樹預測黑色，而其他樹預測為白色，您會給出什么顏色的分數？ 您可以簡單地輸出黑色或白色，但也可以輸出灰色作為更准確的可視化效果。

這就是您的可視化正在做的事情，原色保持不變，但如果集成中不同的樹預測不同，它們可以混合。