我正在研究多类别分类,根据客户的购买行为和人口统计数据将客户分为 3 个不同的类别。我无法完全透露该数据集,但总的来说它包含大约 300 个特征和 50000 行。我尝试过以下方法,但无法达到 50% 以上的准确率:
- 调整超参数(我在执行 GridSearchCV 后使用调整后的超参数)
- 标准化数据集,然后运行我的模型
- 尝试了不同的分类方法:OneVsRestClassifier、RandomForestClassification、SVM、KNN 和 LDA
- 我还删除了不相关的功能并尝试运行我的模型
- 我的类不平衡,因此我也尝试过使用 class_weight =balanced、使用 SMOTE 进行过采样、下采样和重采样。
我还可以尝试其他方法来提高准确性(我所说的准确性是指 f 分数、精确度和召回率)。
任何帮助将不胜感激。
最佳答案
尝试调整以下参数
n_估计器
这是在进行最大投票或预测平均值之前要构建的树数。树的数量越多,性能越好,但代码也会变慢。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,因此每次迭代将花费更多时间,但请尝试此操作。
最大特征
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特征。其中很少有:
自动/无:这将简单地采用所有有意义的功能
在每棵树上。这里我们只是不对 个别树。sqrt:此选项将计算总数的平方根 个人运行的特点。例如,如果总数 变量有100个,我们只能单独取其中的10个 树。“log2”是 max_features 的另一种类似类型的选项。
0.2:此选项允许随机森林在单独运行中采用 20% 的变量。我们可以以“0.x”格式分配和值,其中我们 希望考虑 x% 的功能。
min_sample_leaf
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。您可以从一些最小值(例如 75)开始,然后逐渐增加它。查看哪个值您的准确性较高。
关于python - 如何提高随机森林多类分类模型的准确率?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53634808/